Keras 后端自定义损失函数

Question

我正在尝试计算 (tp+tn)/total_samples 作为我的自定义损失函数。我知道如何在列表和列表理解中执行此操作，但我想我无法将 y_true 和 y_pred 转换为列表。

到目前为止我写的代码是：

def CustomLossFunction(y_true, y_pred):
   y_true_mask_less_zero = K.less(y_true, 0)
   y_true_mask_greater_zero = K.greater(y_true, 0)

   y_pred_mask_less_zero = K.less(y_pred, 0)
   y_pred_mask_greater_zero = K.greater(y_pred, 0)

   t_zeros = K.equal(y_pred_mask_less_zero, y_true_mask_less_zero)
   t_ones = K.equal(y_pred_mask_greater_zero, y_true_mask_greater_zero)

现在我需要将 t_zeros 和 t_ones 中的 TRUE 总数相加并将它们除以样本总数

我在这一行遇到错误：

sum_of_true_negatives = K.sum(t_zeros)

Value passed to parameter 'input' has DataType bool not in list of allowed values: float32, float64, int32, uint8, int16

问题：

“(tp+tn)/total_samples”是否有任何内置损失函数
如果不是那么如何使用 Keras 后端计算？

Answer 1

你必须cast你的布尔张量在计算之前浮动。

但是一个警告，所以你不要浪费你的时间：

This loss function will not work because it's not differentiable. You can't simply discard the "continuity" existing in y_pred like that. (You will get errors like "None values not supported" or "An operation has None for gradient")

使用一些已有的标准函数进行分类，如binary_crossentropy或categorical_crossentropy。

铸造：

t_zeros = K.cast(t_zeros, K.floatx())
t_ones = K.cast(t_ones, K.floatx())

Keras 后端自定义损失函数

Keras backend Custom Loss Function

python

keras

loss-function