Keras中自定義丟失功能的問題

Question

我在對binary_crossentropy添加懲罰時遇到了麻煩。 想法是當預定義的錯誤組的平均值超過某個閾值時，對損失函數進行懲罰。 下面是使用掩碼表示組和已經計算出的交叉熵的輔助函數。 它只會返回違反某個閾值的次數，以懲罰調用它的實際損失函數。

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

問題在於error_mean不是標量，我無法弄清將其與閾值進行比較的簡單方法。

Answer 1

您必須使用keras 后端中的 張量和函數來完成所有操作

import keras.backend as K

在錯誤的那一行，您還必須使用這些函數比較事物：

....
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.