TFF多输出FedAvg模型运行触发KeyError:0及TypeError如何修复

问题根因 #

1. KeyError:0 #

你的Keras模型输出是键为a/v的字典结构，但传入from_keras_model的loss是列表形式，TFF会默认用数字索引匹配输出，找不到索引0对应的输出项，因此抛出KeyError。

2. TypeError #

仅传入单个损失函数时，TFF会把整个输出字典直接传给损失函数，而BinaryCrossentropy只能处理张量输入，无法解析字典结构，因此触发类型错误。

修复步骤 #

步骤1：修复CNN模型的语法错误 #

当前CNN模型的第一层全连接层输入写错了，还未定义变量x就直接调用，需要改为对接输入层inp：

def CNN():
    inp = Input(shape=(13055,))
    # 修正输入为inp
    x = Dense(units=64, activation='relu')(inp)
    a = Dense(units=unit, activation=activ, name='a')(x)
    v = Dense(units=unit, activation=activ, name='v')(x)
    model = Model(inputs=inp, outputs={'a': a, 'v': v})
    return model

步骤2：调整损失、指标的传入格式为字典 #

将model_fn中传入的loss和metrics都改为字典格式，和模型输出的key一一对应：

def model_fn(self):
    fed_model = CNN()
    return tff.learning.from_keras_model(
      fed_model,
      input_spec=self.preprocessed_sample_dataset.element_spec,
      # 损失用字典匹配每个输出的key
      loss={
          'a': tf.keras.losses.BinaryCrossentropy(),
          'v': tf.keras.losses.BinaryCrossentropy()
      },
      # 指标同样用字典，每个输出对应独立的指标计算
      metrics={
          'a': tf.keras.metrics.BinaryAccuracy(),
          'v': tf.keras.metrics.BinaryAccuracy()
      })

可选：配置损失权重 #

如果需要为不同输出的损失设置不同权重，可以新增loss_weights参数，同样用字典格式传入：

loss_weights={'a': 0.5, 'v': 0.5}

内容的提问来源于stack exchange，提问作者user10985800