在自定义损失函数中根据条件采取行动

Question

我在 tensorflow 中定义了一个模型，作为损失函数，我编写了自己的自定义损失函数。一般来说，我在正常的MSE函数之外加了一个惩罚项：

return K.mean(K.square(y_true - y_pred)) + penalty

这个惩罚是由一些输入元素和一些目标之间的乘积和总和给出的（我没有报告代码，因为它与问题无关）。

现在，一切正常，但我需要向数据集添加一种新的示例，其中某些特征和输出的值为零。

因此，在批处理中（在训练期间）两种类型的示例，即零值和零值，我需要一种应用于整个批处理的条件语句，以便我可以计算 penalty 根据条件的评估以两种不同的方式。

可以做到吗？

Answer 1

您可以使用 tf.where :

例如：

如果元素为零，returns本身
如果元素不为零，returns istself + 1

>>> batch_1 = tf.constant([0.,1.,0.,0.5,3.,-2.,0.])
>>> tf.where(batch_1 == 0, batch_1, batch_1+1)
 <tf.Tensor: shape=(7,), dtype=float32, numpy=array([0. , 2. , 0. , 1.5, 4. , -1. , 0. ], dtype=float32)>

它也适用于多维张量，例如：

如果批次的第二个元素为零，则对第一个元素求和
否则，对整批求和

>>> a = tf.constant([[1,0,3],[3,4,9],,[8,0,1]],tf.float32)
>>> tf.where(a[:,1]==0,tf.reduce_sum(a[:,:1],axis=1), tf.reduce_sum(a,axis=1))
<tf.Tensor: shape=(3,), dtype=float32, numpy=array([ 1., 16.,  8.], dtype=float32)>

在自定义损失函数中根据条件采取行动

Act on condition in custom loss function

python

tensorflow

deep-learning

neural-network

loss-function