Keras中自定义丢失功能的问题

Question

我在对binary_crossentropy添加惩罚时遇到了麻烦。 想法是当预定义的错误组的平均值超过某个阈值时，对损失函数进行惩罚。 下面是使用掩码表示组和已经计算出的交叉熵的辅助函数。 它只会返回违反某个阈值的次数，以惩罚调用它的实际损失函数。

def penalty(groups_mask, binary_crossentropy):
  errors = binary_crossentropy
  unique_groups = set(groups_mask)
  groups_mask = np.array(groups_mask)
  threshold = # whatever
  c = 0
  for group in unique_groups:
      error_mean = K.mean(errors[(groups_mask == group).nonzero()], axis=-1)
      if error_mean > threshold:
        c += 1
  return c

问题在于error_mean不是标量，我无法弄清将其与阈值进行比较的简单方法。

Answer 1

您必须使用keras 后端中的 张量和函数来完成所有操作

import keras.backend as K

在错误的那一行，您还必须使用这些函数比较事物：

....
c = K.variable([0])
.....
.....
    errorGreater = K.cast(K.greater(error_mean,threshold), K.floatx())
    c+=K.max(errorGreater) #if error_mean is 1 element only, you can just c+=errorGreater.