Tensorflowで自作の誤差関数を用いて学習をしたい

Question

#問題と実現したいこと
Tensorflowでlossがnanとなったため、誤差関数を用いることで解決しようと考えました。
しかし、自作の誤差関数で学習を行った結果、まったく学習が進みません。
間違っているとことがあれば指摘をしていただきたいです。
#実装したコード

from tensorflow.keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
import tensorflow as tf
import datetime

datagen = ImageDataGenerator(
    rescale=1./255,          #rescale で正規化
    validation_split=0.3     #validation_split で検証用データセット分割可能   
    )

aug_datagen = ImageDataGenerator(
    rescale = 1./255,          #rescale で正規化
    rotation_range = 20,       # ランダムに±20度範囲で回転 
    width_shift_range = 10,     # ランダムに±8px範囲で左右方向移動
    height_shift_range = 10   # ランダムに±4px範囲で上下方向移動
    )

batch_size=10

train_generator = datagen.flow_from_directory(
    '/content/drive/My Drive/my_data_set/train/',
    target_size=(224, 224),
    class_mode='categorical',
    batch_size=batch_size,
    subset='training',
)

aug_train_generator = aug_datagen.flow_from_directory(
    '/content/drive/My Drive/my_data_set/train/',
    target_size=(224, 224),
    class_mode='categorical',
    batch_size=batch_size,
    subset='training',
)

val_generator = datagen.flow_from_directory(
    '/content/drive/My Drive/my_data_set/train/',
    target_size=(224, 224),
    class_mode='categorical',
    batch_size=batch_size,
    subset='validation'
)

%load_ext tensorboard
os.chdir('/content/drive/My Drive/my_data_set/')
!rm -rf ./logs/ 

class MyModel(tf.keras.Model):
    def __init__(self):
      
        super(MyModel, self).__init__()
        self.conv1 = tf.keras.layers.Conv2D(8,(1,1),activation='relu',input_shape = (224, 224 ,3))
        self.conv1_2 = tf.keras.layers.Conv2D(32,(5,5),activation='relu')
        self.conv2 = tf.keras.layers.Conv2D(16,(1,1),activation='relu')
        self.conv2_2 = tf.keras.layers.Conv2D(64,(3,3),activation='relu')
        self.conv3 = tf.keras.layers.Conv2D(32,(1,1),activation='relu')
        self.conv3_2 = tf.keras.layers.Conv2D(128,(3,3),activation='relu')
        self.pooling1 = tf.keras.layers.MaxPooling2D((2,2), strides=None, padding='valid')
        self.pooling2 = tf.keras.layers.MaxPooling2D((2,2), strides=None, padding='valid')
        self.flatten = tf.keras.layers.Flatten()
        self.fc1 = tf.keras.layers.Dense(256, activation='relu')
        self.fc2 = tf.keras.layers.Dense(9, activation='relu')
        self.dropout = tf.keras.layers.Dropout(0.2)

    def call(self, x, training=False):
        x = self.conv1(x)
        x = self.conv1_2(x)
        x = self.pooling1(x)
        x =  self.conv2(x)
        x =  self.conv2_2(x)
        x = self.pooling2(x)
        x =  self.conv3(x)
        x =  self.conv3_2(x)
        x = self.pooling2(x)       
        x = self.flatten(x)
        x = self.fc1(x)
        x = self.dropout(x, training=training)
        x = self.fc2(x)
        return x

model = MyModel()

Adam =tf.keras.optimizers.Adam(learning_rate=0.001,clipvalue=1.0)

def custom_loss(y_true, y_pred):
    error = -tf.reduce_sum(y_true*tf.math.log(tf.nn.softmax(y_pred) + 1e-10))
    return error

model.compile(optimizer=Adam,
              loss=custom_loss,
              metrics=['accuracy'])

log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1,write_graph=True)
early_stopping_call_back = tf.keras.callbacks.EarlyStopping(monitor='accuracy', patience=10, verbose=0, mode='auto')

set_seed(0)

model.fit(train_generator,epochs=40)
history = model.fit(
    aug_train_generator,
    epochs = 50,
    validation_data = val_generator,
    callbacks=[tensorboard_callback,early_stopping_call_back],
)

#試してみたこと
多クラス分類に対応したなんらかの追加・変更が必要なのかとも考えましたが、現在は解決法の見当がつきません。

#実行環境
googlecolab
tensorflow 2.3.0

Comments

[meg_]

> Tensorflowでlossがnanとなったため
nanとなった原因は判明しているのでしょうか？

[aokikenichi]

meg_さんと同じかと思いますが

lossがnanとなった原因がわからないまま誤差関数の自作は無謀と思います。
まずはその原因を明らかにするところからだと思います。

[radbag]

meg さん aokikenichiさん回答ありがとうございます。
確かに原因がはっきりさせることが重要ですね。
そこで、調べてみるとtfdbg やtf.Printの活用が例として出てくるのですが、
活用法が分かりません。特にtfdbgはhttps://qiita.com/keisuke-nakata/items/5d6918678e8099b565d0
を参考にデバッカ部分を実行してみたのですが、特にメッセージが出てくるようでもないようです。
また、tf.Printは上記のようなネットワークに関して使用している例が見つかりませんでした。
google colabにおけるtfdbgの正しい使用方法、tf.Printの活用方法または、原因の正しい究明方法があれば、ご教授いただければ幸いです。

Answer 1

tesorflowにおいて誤差関数でsoftmaxが含まれていないようでネットワーク定義において最後にsoftmax関数を追加することで解決いたしました。