Tensorflow 中的外部损失函数

Question

我有一个简单的 2 层密集 NN，我想使用回归模型来计算~ 700图像的4 个给定特征。不幸的是，我没有基本事实元素，所以我使用自定义损失函数。这是函数的来源：

def loss_function(logits, img, g, compare_img):

    final_img = img_pipeline(vga_8b=img, g=g%external color gamma function%)

    with tf.name_scope('Loss'):

        loss = score(gt_image=compare_img, curr_img=final_img)

        return loss

logits当前评估的 4 个数字在哪里，g 只是用作图像颜色伽马的插值函数，img 是外部灰度图像，用于生成用于该score函数的最终结果图像。compare_img不是真实图像，而是(kept in python dict)评分函数中用于评估当前生成的图像的一些统计值。不幸的是，我无法提供g，compare_img因为它们是无法转换为张量的 python 函数和 python 字典。

有没有办法以某种方式破解它并达到预期的结果？

Answer 1

您可以将外部函数与 tensorflow 一起使用，tf.map但我不敢说，这些函数无法通过它计算梯度。但是你的损失函数需要在每种情况下都可以推导出来。所以你必须在tensorflow中编写函数。对于您的 dict 值，您可以创建一个查找表table = tf.contrib.lookup.HashTable(  tf.contrib.lookup.KeyValueTensorInitializer(keys, values), -1)