在自动编码训练过程中，keras中的自定义丢失会产生误导性输出

Question

我有大小为（100100,4）的3阶张量，我试图用自动编码器压缩和重建。我使用的是一个身体激励的损失函数。从数学上讲是的

L=—重叠（y|u真，y|u pred）+| 1—标准（y|u pred）^2 |

在代码中，它是这样写的：

def physical_loss(y_true,y_pred,norm=None):
    return - tf.tensordot(y_true,y_pred,axes=([0,1,2],[0,1,2])) + tf.math.abs(1 - tf.tensordot(y_pred,y_pred,axes=([0,1,2],[0,1,2])))

第一项是输入和输出张量之间的重叠（我想最大化），第二项保持输出张量不爆炸，最理想的是范数1（张量和自身之间的重叠=范数）。因此，理想情况下，损失降到-1（即y\u pred=y\u true，norm（y\u pred）=1）

我的模型是一个卷积自动编码器，它将大小缩小到（50,50,4），（25,25,4），然后重新构建。你知道吗

cnn.compile(loss=physical_loss,optimizer="adam")

cnn.fit(x_train, x_train, epochs=num_epochs, batch_size=16,validation_data=(x_train,x_train))

现在，当我训练我的cnn时，我的损失在16个时期内逐渐下降，最终达到valu loss=-0.67。但是当我手动检查结果时（即计算xïu列车和cnn.predict公司（我自己直接训练），平均得到0.75（阳性！）。你知道吗

那么我的问题是，在评估时keras/tensorflow输出是什么？

这可能是相关的或另一个问题，但当我cnn.评估（x_train，x_train，batch_size=x）结果在+0.88到-0.88之间变化，其值取决于我如何选择批量大小x（选择“无”时得到相同的-0.67，因此为32）。我知道keras做的每件事都是成批的，但这不应该改变整体的产出不是吗？这也使得很难解释输出/培训的成功。你知道吗

Answer 1

我想我已经弄明白了，问题是keras/tensorflow需要一个已经矢量化的函数。上面的定义是针对秩3张量的，但是keras/tensorflow总是处理批，因此秩3张量的“列表”实际上不是列表而是秩4张量（第一个维度是“列表”）。你知道吗

我发现矢量化这个损失函数不是那么简单，但找到了一个可行的解决方案地图（函数，列出的张量，dtype），其中列出的张量是所提到的第4级批次。你知道吗

def single_eval(duo):
    return - tf.tensordot(duo[0],duo[1],axes=([0,1,2],[0,1,2])) + tf.keras.backend.abs(1 - tf.tensordot(duo[1],duo[1],axes=([0,1,2],[0,1,2])))

def physical_loss(y_true,y_pred,norm=None):
    return tf.map_fn(single_eval,(y_true,y_pred),dtype=(tf.float32))

为了能够使用元组作为参数（即使用两个参数），必须指定数据类型。你知道吗