Triplet_semihard_loss()中的Tensorflow错误："ValueError:维度必须相等“

Question

我使用来自Tensorflow加载项的triplet_semihard_loss()函数来计算特性嵌入的三重态损失。

我的ResNet-50，embedding_output的输出是(None,8,8,2048)。

我的稀疏真实标签y的形状是(None)，即批处理的大小，使其成为整数ID的预期一维向量。

在我的自定义train_step()函数中，我调用triplet_semihard_loss，在执行代码时，下面的错误显示：

ValueError: Dimensions must be equal, but are 2048 and 8 for '{{node
 MatMul}} = BatchMatMulV2[T=DT_FLOAT, adj_x=false, adj_y=false](feature,
 transpose_1)' with input shapes: [?,8,8,2048], [2048,8,8,?].

完整的错误和我的代码可以看到这里。

是什么导致了这些维度的翻转？

Answer 1

我希望你已经解决了这个问题。如果您还没有解决这个问题，我建议您在VGG16的输出中添加一个扁平层。下面是一个例子：

from tensorflow.keras.applications.vgg16 import VGG16
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.vgg16 import preprocess_input
import numpy as np

model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 244, 3))
flatten = layers.Flatten()(model.output)
dense = layers.Dense(256, activation=None)(flatten)
normalization = layers.Lambda(lambda x: tf.math.l2_normalize(x, axis=1))(dense)
embedding = Model(model.input, normalization, name="Embedding")

我希望这将是有用的。致以敬意，

安德里亚