Keras中的自定义丢失函数的问题

我在添加对binary_crossentropy的惩罚时遇到了问题。当预定义的错误组的平均值违反某个阈值时，这个想法是惩罚损失函数。以下是帮助函数，它用掩码表示组和已计算的crossentropy。它会简单地返回违反某个阈值的次数来惩罚调用它的实际损失函数。Keras中的自定义丢失函数的问题

def penalty(groups_mask, binary_crossentropy): 
    errors = binary_crossentropy 
    unique_groups = set(groups_mask) 
    groups_mask = np.array(groups_mask) 
    threshold = # whatever 
    c = 0 
    for group in unique_groups: 
     error_mean = K.mean(errors[(groups_mask == group).nonzero()], axis=-1) 
     if error_mean > threshold: 
     c += 1 
    return c

麻烦的是，error_mean不是标量，我找不出一个简单的方法来比较它的阈值。

来源

2017-10-06 Chris

我真的'不明白你想在这一行中实现什么：'error_mean = K.mean（errors [（groups_mask == group）.nonzero（）]，axis = -1）' –

必须使用张量和功能从keras backend

import keras.backend as K

在错误的线所做的一切，你必须比较使用了这些功能太事情：

.... 
c = K.variable([0]) 
..... 
..... 
    errorGreater = K.cast(K.greater(error_mean,threshold), K.floatx()) 
    c+=K.max(errorGreater) #if error_mean is 1 element only, you can just c+=errorGreater.

来源

2017-10-06 20:03:59

我认为theano允许你不使用'cast '。 –

Keras中的自定义丢失函数的问题

回答

相关问题