使用张量流在 keras 中对损失函数的输入进行切片

Posted 2023-02-23

【中文标题】使用张量流在 keras 中对损失函数的输入进行切片

【英文标题】：slicing inputs for loss function in keras with tensorflow

【发布时间】：2018-07-21 19:14:39

【问题描述】：

在 Keras 中，我有一个 y_true 的目标向量，它适合具有一个输出神经元的网络。 y_true = [0, 1, 0, 1, 1....] 我有一些回报 [1,1,1,-5,1...]

我正在尝试将收益作为额外参数放入 keras 的自定义损失函数中。 Keras 只允许将两个参数传递给它（y_true 和 y_pred），但我也想传递分配给每个样本的收益。为此，我在 y_true 中添加了包含这些值的第二列。

然后我尝试通过执行以下操作再次在损失函数中分离实际的 y_true（第一列）和收益（第二列）：

def custom_loss(y_true, y_pred)    
    # y_true has the payoffs in the second row
    payoffs = y_true[:, 1]
    payoffs = K.expand_dims(payoffs, 1)
    y_true = y_true[:, 0]
    y_true = K.expand_dims(y_true, 1))

    loss = K.binary_crossentropy(y_true, y_pred)
    return loss

这是我想做的简化版本（在真实版本中，我会将收益整合到损失函数中）。但是对于上面的示例，我希望损失函数与直接调用 binary_cross 熵相同，其中 y_true 仅包含 y_true（没有任何回报）。

但是，结果并不如预期，因为使用上述自定义损失函数的准确度值约为一半。

此错误的原因可能是什么？我没有正确切片 y_true 吗？

问题与this post 中的描述有关（curiale 在 2017 年 12 月 12 日的评论建议使用 slice_stack，但问题是一样的）。

【参考方案1】：

我认为问题在于我还需要自定义度量函数。