TypeError: Input ‘y‘ of ‘Sub‘ Op has type int32 that does not match type float32 of argument ‘x‘.

这是我在用keras做神经网络自定义损失函数loss时遇到的问题，出现问题的代码如下：

import tensorflow as tf
from sklearn import datasets
import numpy as np
from keras import backend as K

x_train = datasets.load_iris().data
y_train = datasets.load_iris().target

np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)
tf.random.set_seed(116)

model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(3, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2())
])


def my_loss(y_true, y_pred):
    return K.mean((y_pred - y_true), axis=-1)


model.compile(optimizer='adam',
              loss=my_loss,
              metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=32, epochs=500, validation_split=0.2, validation_freq=20)

print(model.predict(x_train)[0])

model.summary()

运行结果如下：

解决方案：

方案一：出现这个问题可能是因为tensorflow的版本为2.0及以上导致的，降低tensorflow的版本即可,在终端敲入：

pip install tensorflow==1.15

方案二：根据报错的内容可知，该错误是y_pred - y_true的数据类型不同导致的，y_pred的类型是float32，而y_true的类型是int32。对于上述代码来说，y_true是原先鸢尾花的分类数据，包含1、2、3，都是int32型的数据，因此只要将y_true转化为float32型的数据即可，具体操作时将下列代码片：

def my_loss(y_true, y_pred):
    return K.mean((y_pred - y_true), axis=-1)

替换为：

def my_loss(y_true, y_pred):
    y_true = tf.cast(y_true, dtype=tf.float32)
    return K.mean((y_pred - y_true), axis=-1)

再运行可以看到不再报错：