[英]How can I use a weighted MSE as loss function in a Keras model?
我正在嘗試使用自定義損失 function 來計算回歸任務中的加權 MSE(任務中的值:-1、-0.5、0、0.5、1、1.5、3 等)。 這是我對自定義損失 function 的實現:
import tensorflow
import tensorflow.keras.backend as kb
def weighted_mse(y, yhat):
ind_losses = tensorflow.keras.losses.mean_squared_error(y, yhat)
weights_ind = kb.map_fn(lambda yi: weight_dict[kb.get_value(yi)], y, dtype='float32')
# average loss over weighted sum of the batch
return tensorflow.math.divide(tensorflow.math.reduce_sum(tensorflow.math.multiply(ind_losses, weights_ind)), len(y))
我正在運行一個正在運行的示例:
weight_dict = {-1.0: 70.78125, 0.0: 1.7224334600760458, 0.5: 4.58502024291498, 1.0: 7.524916943521595, 1.5: 32.357142857142854, 2.0: 50.33333333333333, 2.5: 566.25, 3.0: 566.25}
y_true = tensorflow.convert_to_tensor([[0.5],[3]])
y_pred = tensorflow.convert_to_tensor([[0.5],[0]])
weighted_mse(y_true, y_pred)
但是當輸入到我的 model 時,它會拋出以下錯誤:
AttributeError: 'Tensor' object has no attribute '_numpy'
這是我如何使用自定義損失 function:
model.compile(
optimizer=opt,
loss={
"predicted_class": weighted_mse
})
編輯:
將weight_dict[kb.get_value(yi)]
更改為weight_dict[float(yi)]
時,出現以下錯誤:
TypeError: float() argument must be a string or a number, not 'builtin_function_or_method'
你想要的基本上是樣本重量的想法。 當使用 Keras 的訓練 API 時,除了您的數據,您可以傳遞另一個數組,其中包含每個樣本的權重,用於確定每個樣本在損失 function 中的貢獻。
要使用它,您可以使用fit
方法的sample_weight
參數:
model.fit(X, y, sample_weight=X_weight, ...)
請注意, X_weight
應該是一個與X
長度相同的數組(即每個訓練樣本一個權重值)。 此外,如果X
是tf.data.Dataset
實例或生成器,則此參數不起作用,您需要將樣本權重作為X
返回的元組的第三個元素傳遞。
這通常發生在舊版本的 tensorflow 中。 您可以嘗試 2 件事:
import tensorflow as tf
tf.enable_eager_execution()
pip install tensorflow --upgrade
這很可能是因為急切的執行。 有關更多信息,請參閱此處的文檔。
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.