将 numpy 转换为张量（keras）（损失函数）
Posted
技术标签:
【中文标题】将 numpy 转换为张量（keras）（损失函数）【英文标题】：Translate numpy to tensor (keras) (loss function) 【发布时间】：2020-08-17 09:57:45 【问题描述】：我正在尝试在以下形状上定义损失函数：(NUM_OF_STROKES, STROKE_LEN, 2)
例如，假设 NUM_OF_STROKES=1，STROKE_LEN=4，它可以是：
[[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]]
我希望我的损失函数是两个对应点之间的距离（所有距离的总和）。例如：
p1 = [[[a1,b1], [a2,b2], [a3,b3], [a4,b4]]]
p2 = [[[c1,d1], [c2,d2], [c3,d3], [c4,d4]]]
loss = sqrt((a1-c1)^2 + (b1-d1)^2) + ... + sqrt((a4-c4)^2 + (b4-d4)^2)
在 numpy 中，我可以这样做：
np.sum(np.linalg.norm(np.array(p1) - np.array(p2), axis=1))
但我不知道如何在 tensrflow 中做到这一点 我正在使用 tensorflow 2 ，keras。
【问题讨论】：
【参考方案1】：我认为您正在寻找的是：
tf.keras.backend.sum(tf.sqrt(tf.keras.backend.sum(tf.square(labels - predictions), axis=3)))
axis = 3 用于批处理
【讨论】：
以上是关于将 numpy 转换为张量（keras）（损失函数）的主要内容，如果未能解决你的问题，请参考以下文章
如何在不启用 keras 中的 run_eagerly 标志的情况下将张量转换为 numpy 数组
NotImplementedError：无法将符号张量 (2nd_target:0) 转换为 numpy 数组
Keras：ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型列表）