[英]How can I use a weighted MSE as loss function in a Keras model?
我正在尝试使用自定义损失 function 来计算回归任务中的加权 MSE(任务中的值:-1、-0.5、0、0.5、1、1.5、3 等)。 这是我对自定义损失 function 的实现:
import tensorflow
import tensorflow.keras.backend as kb
def weighted_mse(y, yhat):
ind_losses = tensorflow.keras.losses.mean_squared_error(y, yhat)
weights_ind = kb.map_fn(lambda yi: weight_dict[kb.get_value(yi)], y, dtype='float32')
# average loss over weighted sum of the batch
return tensorflow.math.divide(tensorflow.math.reduce_sum(tensorflow.math.multiply(ind_losses, weights_ind)), len(y))
我正在运行一个正在运行的示例:
weight_dict = {-1.0: 70.78125, 0.0: 1.7224334600760458, 0.5: 4.58502024291498, 1.0: 7.524916943521595, 1.5: 32.357142857142854, 2.0: 50.33333333333333, 2.5: 566.25, 3.0: 566.25}
y_true = tensorflow.convert_to_tensor([[0.5],[3]])
y_pred = tensorflow.convert_to_tensor([[0.5],[0]])
weighted_mse(y_true, y_pred)
但是当输入到我的 model 时,它会抛出以下错误:
AttributeError: 'Tensor' object has no attribute '_numpy'
这是我如何使用自定义损失 function:
model.compile(
optimizer=opt,
loss={
"predicted_class": weighted_mse
})
编辑:
将weight_dict[kb.get_value(yi)]
更改为weight_dict[float(yi)]
时,出现以下错误:
TypeError: float() argument must be a string or a number, not 'builtin_function_or_method'
你想要的基本上是样本重量的想法。 当使用 Keras 的训练 API 时,除了您的数据,您可以传递另一个数组,其中包含每个样本的权重,用于确定每个样本在损失 function 中的贡献。
要使用它,您可以使用fit
方法的sample_weight
参数:
model.fit(X, y, sample_weight=X_weight, ...)
请注意, X_weight
应该是一个与X
长度相同的数组(即每个训练样本一个权重值)。 此外,如果X
是tf.data.Dataset
实例或生成器,则此参数不起作用,您需要将样本权重作为X
返回的元组的第三个元素传递。
这通常发生在旧版本的 tensorflow 中。 您可以尝试 2 件事:
import tensorflow as tf
tf.enable_eager_execution()
pip install tensorflow --upgrade
这很可能是因为急切的执行。 有关更多信息,请参阅此处的文档。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.