下面是这篇文章:Custom loss function in Keras我知道创建函数的语法,但我不熟悉如何使用张量。我用标量填充了yTrue,yPred是实际的预测值。我想取预测值的对数的加权和,按yTrue中的标量加权。L += tf.math.scalar_mul(yTrue[i], K.log(yPred[i]))
return L 当我尝试使用自定义损失
我试图以python的方式处理一个可变大小的张量,这可能是这样的:for x in X:我试过使用tf.scan,问题是我想处理每个次张量,所以我尝试使用嵌套扫描,但是我启用了它,因为tf.scan与累加器一起工作,如果没有找到,它将接受elems的第一个条目作为初始化器,我不想这样做。例如,假设我想在张量的每个
我试图索引到张量中,从一维张量中得到一个切片或单个元素。我发现,当使用numpy方法索引[:]和slice vs tf.gather时,性能差异很大(几乎30%-40% )。此外,我还观察到,tf.gather在标量(在未堆叠的张量上循环)上使用的开销很大,而不是张量。这是众所周知的问题吗?():
x = tf.gather(..., n