如何解决TensorFlow中两个BinaryCrossentropy损失相加报类型错误的问题

你当前的代码仅实例化了BinaryCrossentropy损失类的对象，没有实际执行损失计算得到数值张量，两个类对象不支持加法运算，因此触发类型错误。
TensorFlow的损失类使用逻辑分为两步：

• 第一步：实例化损失类对象，传入reduction、from_logits等全局配置参数
• 第二步：调用已实例化的损失对象，传入真实标签和预测值，得到可参与运算的张量格式损失值

方案1：复用损失类实例（推荐，适合同一配置的损失多次调用的场景） #

# 实例化损失函数对象，配置可全局复用
bce_loss = tf.losses.BinaryCrossentropy()
# 调用对象计算得到损失张量
real_loss = bce_loss(tf.ones_like(train_images[0]), train_images[0])
fake_loss = bce_loss(tf.zeros_like(train_images[0]), train_images[0])
# 张量支持直接算术运算
total_loss = real_loss + fake_loss

如果需要保留每个样本的独立损失值，不需要全局平均，实例化时添加参数reduction='none'即可。

方案2：直接使用函数式接口 #

也可以直接调用TensorFlow提供的损失函数接口，省略实例化步骤：

real_loss = tf.losses.binary_crossentropy(tf.ones_like(train_images[0]), train_images[0])
fake_loss = tf.losses.binary_crossentropy(tf.zeros_like(train_images[0]), train_images[0])
total_loss = real_loss + fake_loss

内容的提问来源于stack exchange，提问作者Ali N777