如何在簡單的數學運算中定義keras自定義損失函數

Question

我定義自定義函數my_sigmoid如下：

import math
def my_sigmoid(x):
    a =  1/  ( 1+math.exp( -(x-300)/30 ) )
    return a

然后定義一個自定義損失函數my_cross_entropy ：

import keras.backend as K

def my_cross_entropy(y_true, y_pred):
    diff = abs(y_true-y_pred)
    y_pred_transform = my_sigmoid(diff)
    return K.categorical_crossentropy(0, y_pred_transform)

我的keras后端正在使用tensorflow。 錯誤顯示

TypeError：必須為實數，而不是張量

我對tensorflow並不熟悉，也不知道如何使用自定義損失。

以下是我的模型結構和錯誤消息：

import keras.backend as K
from keras.models import Sequential
from keras.layers import Conv2D, Dropout, Flatten, Dense

model=Sequential()
model.add(Conv2D(512,(5,X_train.shape[2]),input_shape=X_train.shape[1:4],activation="relu"))
model.add(Flatten())
model.add(Dropout(0.1))
model.add(Dense(100,activation="relu"))
model.add(Dense(100,activation="relu"))
model.add(Dense(50,activation="relu"))
model.add(Dense(10,activation="relu"))
model.add(Dense(1,activation="relu"))
model.compile(optimizer='adam', loss=my_cross_entropy)
model.fit(X_train,Y_train,batch_size = 10,epochs=200,validation_data=(X_test,Y_test))

X_train和Y_train的形狀分別為（ X_train (120, 30, 80, 1)和(120,)

Answer 1

更改

diff = abs(y_true-y_pred)

進入

diff = K.abs(y_true-y_pred)

一樣

math.exp()

改成

K.exp()

abs和Math.exp是無法處理張量的函數。 如果仍有問題，請參閱： 自定義損失函數Keras Tensorflow