Keras 损失函数：如何舍入？
Keras loss functions: how to round?
我正在尝试识别序列中的转折点，在这些转折点之后某些过程的行为会有所不同。我使用 keras 模型来执行此操作。输入是序列（总是相同的长度），输出应该在转折点之前为 0，在转折点之后为 1。
我希望损失函数取决于实际转折点和预测转折点之间的距离。
我尝试四舍五入（获取标签0或1），然后将1的总数求和得到转折点的"index"。这里假设模型只给出一个转折点，因为数据（合成生成的）也只有一个转折点。试过的是：
def dist_loss(yTrue,yPred):
turningPointTrue = K.sum(yTrue)
turningPointPred = K.sum(K.round(yPred))
return K.abs(turningPointTrue-turningPointPred)
这个不行，报错如下：
ValueError: An operation has None for gradient. Please make sure
that all of your ops have a gradient defined (i.e. are
differentiable). Common ops without gradient: K.argmax, K.round,
K.eval.
我认为这意味着 K.round(yPred) 给出了一个奇异值，而不是 vector/tensor。有谁知道如何解决这个问题？
round操作没有定义的梯度，所以它根本不能在损失函数中使用，因为对于神经网络的训练，必须计算损失相对于权重的梯度，这意味着网络的所有部分和损失都必须是可微的（或者可微近似必须可用）。
在你的情况下，你应该尝试找到一个可微分的近似值，但不幸的是我不知道是否存在。这种近似的一个例子是 softmax 函数作为 max 函数的近似。
我正在尝试识别序列中的转折点，在这些转折点之后某些过程的行为会有所不同。我使用 keras 模型来执行此操作。输入是序列（总是相同的长度），输出应该在转折点之前为 0，在转折点之后为 1。
我希望损失函数取决于实际转折点和预测转折点之间的距离。
我尝试四舍五入（获取标签0或1），然后将1的总数求和得到转折点的"index"。这里假设模型只给出一个转折点，因为数据（合成生成的）也只有一个转折点。试过的是：
def dist_loss(yTrue,yPred):
turningPointTrue = K.sum(yTrue)
turningPointPred = K.sum(K.round(yPred))
return K.abs(turningPointTrue-turningPointPred)
这个不行，报错如下：
ValueError: An operation has
Nonefor gradient. Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.
我认为这意味着 K.round(yPred) 给出了一个奇异值，而不是 vector/tensor。有谁知道如何解决这个问题？
round操作没有定义的梯度，所以它根本不能在损失函数中使用，因为对于神经网络的训练，必须计算损失相对于权重的梯度，这意味着网络的所有部分和损失都必须是可微的（或者可微近似必须可用）。
在你的情况下，你应该尝试找到一个可微分的近似值，但不幸的是我不知道是否存在。这种近似的一个例子是 softmax 函数作为 max 函数的近似。