基于输入的输出子集上的自定义损失函数

Question

我想创建一个损失函数，其中 MSE 仅在输出的子集上计算。 子集取决于输入数据。 我使用这个问题的答案来弄清楚如何根据输入数据创建自定义函数：

Keras 中基于输入数据的自定义损失函数

但是，我在实现自定义功能时遇到了麻烦。

这是我整理的内容。

def custom_loss(input_tensor):


    def loss(y_true, y_pred):
        board = input_tensor[:81]
        answer_vector = board == .5
        #assert np.sum(answer_vector) > 0

        return K.mean(K.square(y_pred * answer_vector - y_true), axis=-1)
    return loss


def build_model(input_size, output_size):
    learning_rate = .001
    a = Input(shape=(input_size,))
    b = Dense(60, activation='relu')(a)
    b = Dense(60, activation='relu')(b)
    b = Dense(60, activation='relu')(b)
    b = Dense(output_size, activation='linear')(b)
    model = Model(inputs=a, outputs=b)
    model.compile(loss=custom_loss(a), optimizer=Adam(lr=learning_rate))

    return model

model = build_model(83, 81)

我希望 MSE 在电路板不等于 0.5 的任何地方将输出视为 0。 （真正的值是一个热编码，一个在子集中）。 出于某种原因，我的输出始终被视为零。 换句话说，自定义损失函数似乎没有找到任何棋盘等于 0.5 的地方。

我不知道我是否误解了维度，或者比较是否由于张量而失败，或者即使只有一种通常更简单的方法来做我正在尝试的事情。

Answer 1

问题是answer_vector = board == .5不是你想的那样。 它不是张量，而是布尔值 False，因为 board 是张量而 0.5 是数字：

a = tf.constant([0.5, 0.5])
print(a == 0.5) # False

现在， a * False是一个零向量：

with tf.Session() as sess:
   print(sess.run(a * False)) # [0.0, 0.0]

您需要使用 tf.equal 而不是 ==。 另一个可能的陷阱是将浮点数与相等进行比较是危险的，请参阅例如在 Java 中使用 == 比较浮点数有什么问题？