TF/KERAS：将列表作为单个输出的损失传递

Posted 2023-03-28

【中文标题】TF/KERAS：将列表作为单个输出的损失传递

【英文标题】：TF/KERAS : passing a list as loss for single output

【发布时间】：2020-05-28 22:22:02

【问题描述】：

我的模型只有一个输出，但我想组合两个不同的损失函数（注意：类数 = 24）。

c = 0.8
lamda = 32

# My personalized loss function
def selective_loss(y_true, y_pred): .
    loss = K.categorical_crossentropy(
        K.repeat_elements(y_pred[:, -1:], CLASSES, axis=1) * y_true[:, :-1],
        y_pred[:, :-1]) + lamda * K.maximum(-K.mean(y_pred[:, -1]) + c, 0) ** 2
    return loss

p = np.ones(CLASSES) / CLASSES#The weights of class.

#And doing de model compile.
model.compile(loss = ['categorical_crossentropy', selective_loss],
              loss_weights = p,
              optimizer= sgd,                            
              metrics = ['accuracy'])

但它抱怨我需要两个输出，因为我定义了两个损失：

ValueError: When passing a list as loss, it should have one entry per model outputs. The model has 1 outputs, but you passed loss=['categorical_crossentropy', <function selective_loss at 0x7fcfb68daa60>]

您是否必须将这两种损失合二为一？如果是这样，你会怎么做？

或者最好有两个输出？这会影响预测吗？会怎么样？

【问题讨论】：

随着trainnig的最终更新，我有：73/142 [==============>............. .] - ETA：5:09 - 损失：nan - acc：0.0428 -selective_acc：nan - 覆盖率：0.0137。楠？？？？

终极更新是有道理的，防守是要走的路。

是的，但是火车进化的结果呢？例如，这个关于准确性的 nan 很奇怪。

【参考方案1】：

我在两个损失函数之间进行加权，使用 alpha 0.5 但其他浮点数也有效：

#Private loss is the selective_loss.
def total_loss(y_true, y_pred):
    alpha = 0.5
    return (1-alpha)*categorical_crossentropy(y_true, y_pred) + alpha*selective_loss(y_true, y_pred)

#Compile the model with weighting loss.
model.compile(loss = total_loss,
              loss_weights = p,
              optimizer= sgd,                            
              metrics = ['accuracy'])