R Keras中的自定義丟失功能

Question

我想計算加權均方誤差，其中權重是數據中的一個向量。 我根據堆棧溢出提供的建議編寫了一個自定義代碼。

該功能如下：

weighted_mse <- function(y_true, y_pred,weights){
  # convert tensors to R objects
  K        <- backend()
  y_true   <- K$eval(y_true)
  y_pred   <- K$eval(y_pred)
  weights  <- K$eval(weights)

  # calculate the metric
  loss <- sum(weights*((y_true - y_pred)^2)) 

  # convert to tensor
  return(K$constant(loss))
  }

但是，我不知道如何將自定義函數傳遞給編譯器。 如果有人可以幫助我會很棒。 謝謝。

model      <- model %>% compile(
                loss = 'mse', 
                optimizer = 'rmsprop',
                metrics = 'mse')

問候

Answer 1

我沒有使用Keras和R，但是按照文檔中的示例，可能這應該有效：

weighted_mse <- function(y_true, y_pred, weights){
    K        <- backend()
    weights  <- K$variable(weights)
    # calculate the metric
    loss <- K$sum(weights * (K$pow(y_true - y_pred, 2))) 
    loss
}

metric_weighted_mse <- custom_metric("weighted_mse", function(y_true, y_pred) {
    weighted_mse(y_true, y_pred, weights)
})

model <- model %>% compile(
    loss = 'mse', 
    optimizer = 'rmsprop',
    metrics = metric_weighted_mse)

請注意，我正在使用丟失函數的包裝器，因為它有一個額外的參數。 此外，損失函數將輸入作為張量處理，這就是為什么你應該用K$variable(weights)轉換權K$variable(weights) 。

Answer 2

你無法eval損失的功能。 這將破壞圖表。

您應該只使用fit方法的sample_weight參數： https ： //keras.rstudio.com/reference/fit.html

##not sure if this is valid R, but 
##at some point you will call `fit` for training with `X_train` and `Y_train`, 
##so, just add the weights.
history <- model$fit(X_train, Y_train, ..., sample_weight = weights)

這就是全部（不要使用自定義損失）。

---

只是為了知識 - 傳遞損失函數進行compile

僅適用於采用y_true和y_pred函數。 （如果您使用的是sample_weights則沒有必要）

model      <- model %>% compile(
            loss = weighted_mse, 
            optimizer = 'rmsprop',
            metrics = 'mse')

但這不起作用，你需要類似於@spadarian創建的包裝器。

此外，保持數據和權重之間的相關性將非常復雜，因為Keras會分批分割您的數據，也因為數據會被洗牌。