具有附加参数的tensorflow自定义损失函数

Question

我了解自定义损失函数在 tensorflow 中的工作原理。假设在下面的代码中，a 和 b 是数字。

def customLoss( a,b):
    
    def loss(y_true,y_pred):    
        loss=tf.math.reduce_mean(a*y_pred + b*y_pred)
        return loss
    return loss

但是如果 a 和 b 是与 y_pred 具有相同形状的数组呢？比方说

y_pred= np.array([0,1,0,1])
a= np.arange(4)
b= np.ones(4)

我想损失函数的值等于6:

np.mean(a*y_pred + b*y_pred) #element-wise.

我觉得我的损失函数现在是错误的。它应该是每个样本的两个额外输入或权重。有人可以帮忙吗？谢谢。

Answer 1

假设 a 和 b 是所有损失计算中的固定数字，您可以执行类似于原始损失函数的操作：

import numpy as np
import tensorflow as tf

y_pred = np.array([0, 1, 0, 1])
y_true = np.array([0, 1, 0, 1])
a = np.arange(4)
b = np.ones(4)


def get_custom_loss(a, b):
  a = tf.constant(a, dtype=tf.float32)
  b = tf.constant(b, dtype=tf.float32)

  def loss_fn(y_true, y_pred):
    y_true = tf.cast(y_true, dtype=tf.float32)
    y_pred = tf.cast(y_pred, dtype=tf.float32)

    loss = tf.math.reduce_sum(
        [tf.math.multiply(a, y_pred), tf.math.multiply(b, y_pred)])
    return loss

  return loss_fn

loss_fn = get_custom_loss(a, b)
print(loss_fn(y_pred, y_true))

tf.math.multiply(foo, bar) 将执行两个张量的逐元素乘法（参见 docs）。我假设您还想对两个产品的结果求和，而不是取平均值（即 1.5）。

请注意：您目前没有在损失中使用 y_true。

具有附加参数的tensorflow自定义损失函数

tensorflow custom loss function with additional parameters

tensorflow

keras

loss-function