张量流中的循环损失

我想构建一个网络，对于给定的输入，预测一天中的小时。结果应该在0到24范围内。张量流中的循环损失

我试图将其解决为分类问题，但似乎并不正确。我的问题是，我不知道如何建立循环损失函数。例如，在我的情况下，如果网络的输出为1，真实标签为23，我希望距离为2而不是22.是否有可用的图层？

2016-12-05 GiladD

欢迎来到SO！这是一个很好的问题;它不应该被拒绝。但是，总是希望显示一些您所做的工作，理想情况下使用代码或伪代码片段。这会使你的问题不太可能被误解为缺乏研究和努力。 – Praveen

据我所知，没有预先写好的循环损失函数。对于周期性损失，你应该写你自己的损失函数是这样的：

import keras.backend as K 
def cyclic_loss(y_true, y_pred): 
    return K.min((y_pred +24 - y_true) % 24, (y_true + 24 - y_pred) % 24) 

model.compile(optimizer='sgd', loss=cyclic_loss, metrics=['acc'])

但是如果你定义了你的损失一样，它不是一个分类问题。如果您想要分类问题，您应该使用单热编码对输出进行编码，并使用交叉熵作为丢失函数。那么你有一天的每个小时的可能性，你以最高的概率获得小时。

作为回归任务，您可以使用上述的循环损失函数。

来源

2016-12-05 10:34:24

非常感谢。它似乎是我应该使用它作为回归任务。如果我尝试在tensorflow中编写它，它是同样的损失吗？ – GiladD

如果您使用keras作为包装是。如果没有，你将不得不使用tensorflow后端。我没有直接使用tensorflow后端的优点，所以我不能肯定地说。 –

好的，谢谢我将与keras合作。有一种方法可以确保y_pred的输出是以24为模的吗？我把relu做成y_pred> 0（Dense（1，activation ='relu'，name = y_pred），但方式不会更高，那么24 ？凹面和非凸面的损失函数 – GiladD

张量流中的循环损失

回答

相关问题