![](/img/trans.png)
[英]Custom loss function Tensorflow 2 [Keras symbolic inputs/outputs do not implement]
[英]Custom loss function on subset of outputs based on inputs
我想創建一個損失函數,其中 MSE 僅在輸出的子集上計算。 子集取決於輸入數據。 我使用這個問題的答案來弄清楚如何根據輸入數據創建自定義函數:
但是,我在實現自定義功能時遇到了麻煩。
這是我整理的內容。
def custom_loss(input_tensor):
def loss(y_true, y_pred):
board = input_tensor[:81]
answer_vector = board == .5
#assert np.sum(answer_vector) > 0
return K.mean(K.square(y_pred * answer_vector - y_true), axis=-1)
return loss
def build_model(input_size, output_size):
learning_rate = .001
a = Input(shape=(input_size,))
b = Dense(60, activation='relu')(a)
b = Dense(60, activation='relu')(b)
b = Dense(60, activation='relu')(b)
b = Dense(output_size, activation='linear')(b)
model = Model(inputs=a, outputs=b)
model.compile(loss=custom_loss(a), optimizer=Adam(lr=learning_rate))
return model
model = build_model(83, 81)
我希望 MSE 在電路板不等於 0.5 的任何地方將輸出視為 0。 (真正的值是一個熱編碼,一個在子集中)。 出於某種原因,我的輸出始終被視為零。 換句話說,自定義損失函數似乎沒有找到任何棋盤等於 0.5 的地方。
我不知道我是否誤解了維度,或者比較是否由於張量而失敗,或者即使只有一種通常更簡單的方法來做我正在嘗試的事情。
問題是answer_vector = board == .5
不是你想的那樣。 它不是張量,而是布爾值 False,因為 board 是張量而 0.5 是數字:
a = tf.constant([0.5, 0.5])
print(a == 0.5) # False
現在, a * False
是一個零向量:
with tf.Session() as sess:
print(sess.run(a * False)) # [0.0, 0.0]
您需要使用 tf.equal 而不是 ==。 另一個可能的陷阱是將浮點數與相等進行比較是危險的,請參閱例如在 Java 中使用 == 比較浮點數有什么問題?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.