keras 中的自定义损失（tf 后端）需要张量操作

Question

我的目标是预测2个点的坐标：[x1, x2]。（2个点的y坐标是固定的）。除了均方误差 (xtrue - xpred)**2 之外，我还想最小化斜率的误差：大约 (1/(x2true - x1true) - 1/(x2pred - x1pred))**2.

这是我的实现，它引发了以下错误：

Shape must be rank 2 but is rank 1 for 'concat_1' (op: 'ConcatV2')
with input shapes: [?,?], [?], [].

--

自定义损失

def combo_mse():
    def combo_loss(y_true, y_pred):
        slope_true = 1/( y_true[:, 1] - y_true[:, 0] )
        combo_true = K.concatenate([y_true, slope_true])

    slope_pred = 1/( y_pred[:, 1] - y_pred[:, 0] )
    combo_pred = K.concatenate([y_pred, slope_pred])

    se = K.square( combo_pred - combo_true)
    loss = K.mean(se, axis=-1)
    return loss
return combo_loss

如何将输出张量 y_true 和 y_pred、运行一些操作切片并使用 K.concatenate() 创建新的张量以生成新的自定义损失函数？

Answer 1

您必须在串联之前更改 slope_true 和 slope_pred 的形状。下面的代码应该可以工作。原因是您的 slope tensors 是一维的，而您的 y_true 和 y_pred 张量是二维的。相同维度张量之间允许进行串联操作。

def combo_mse():
        def combo_loss(y_true, y_pred):
            slope_true = 1/( y_true[:, 1] - y_true[:, 0] )
            slope_true = tf.reshape(slope_true, (-1, 1))
            combo_true = K.concatenate([y_true, slope_true])

        slope_pred = 1/( y_pred[:, 1] - y_pred[:, 0] )
        slope_pred = tf.reshape(slope_pred, (-1, 1))
        combo_pred = K.concatenate([y_pred, slope_pred])

        mse = K.square( combo_pred - combo_true)
        loss = K.mean(mse, axis=-1)
        return loss
    return combo_loss

keras 中的自定义损失（tf 后端）需要张量操作

custom loss in keras (tf backend) requiring tensor manipulation

keras

tensorflow

loss-function

自定义损失