批量大小错误，自定义丢失 Keras 中的 function

Question

我正在使用 Keras 开发检测器，其中 output y_true 包含在具有 500 个值的向量“y”中，其中包含一个脉冲，该脉冲指示在信号的 500 个样本中检测到的事件的时间。

Ex: y=[0, 0, 0,....,0,1,1,1,1,1,1,1,1,1,1,1,0,....0,0,0]

我之前曾使用“mse”来处理损失，它可以工作，但我想使用损失 function 考虑 y_true 中脉冲的中间值与 y_pred 中的最大值之间的距离。 稍后我使用 y_pred 中的最大值对其进行归一化并定义其周围的脉冲。

由于我不能只使用距离并使其可微，我定义了这个自定义损失 function，它用估计的距离加权均方误差。

import tensorflow as tf
import keras.backend as kb

def custom_loss_function (y_true, y_pred):
    
    t_label = []
    t_picking = 0    
    t_label = tf.where(y_true == 1)[:,0]    
    mayor = tf.reduce_max(y_pred)
    t_picking = tf.where(y_pred == mayor)[:,0]    
    d = tf.cast(abs(t_label[5]-t_picking)/50,tf.float32)

    loss = (kb.mean(kb.square(y_true-y_pred)))*d

    return loss

其中 t_label[5] 和 t_picking 分别是 y_trye 中脉冲的中间值和 y_pred 中的最大值。 d 是它们之间的距离。

我编译了 model 与这个损失 function，使用 Adam 优化器和 64 的批量大小。一切正常，并且 model 可以编译：但我得到这个错误在训练中间

InvalidArgumentError:  Incompatible shapes: [64] vs. [2]
 [[node Adam/gradients/gradients/loss/dense_1_loss/custom_loss_function/weighted_loss/mul_grad/BroadcastGradientArgs (defined at C:\Users\Maca\anaconda3\lib\site-packages\keras\backend\tensorflow_backend.py:3009) ]] [Op:__inference_keras_scratch_graph_2220]

我之前尝试过使用其他自定义损失函数并且没有遇到这个问题，但我看不出错误来自哪里。

你知道我为什么会收到这个错误，我该如何解决？

Answer 1

特定批次中有两个相等的最大值。 所以你的t_picking有时（很少）有两个（甚至更多）值而不是一个。