如何在 Keras 中屏蔽损失函数(mae)?

Posted

技术标签:

【中文标题】如何在 Keras 中屏蔽损失函数(mae)?【英文标题】:How to mask a loss function (mae) in Keras? 【发布时间】:2021-11-21 16:27:37 【问题描述】:

我正在尝试为 Keras LSTM 实现一个自定义损失函数,它代表 mask_MAE。

def mask_MAE (y_true, y_pred, mask):# mask = 0 or 1
    mae = K.abs(y_pred - y_true) * mask
    return K.sum(mae)/K.sum(mask)    

【问题讨论】:

【参考方案1】:

自定义 keras 损失函数只能有两个参数 - y_truey_pred。 因此,您不能像在代码中那样使用 mask 参数。

【讨论】:

有没有其他方法可以给损失函数添加掩码?注意:掩码是模型的输入【参考方案2】:

我找到了问题的答案。 我正在使用 LSTM,80 是 num_steps

def GBVPP_loss(y_true, y_pred, cols = 80):
   u_out = y_true[:, cols: ]
   y = y_true[:, :cols ]
   w = 1 - u_out
   mae = w * tf.abs(y - y_pred)
   return tf.reduce_sum(mae, axis=-1) / tf.reduce_sum(w, axis=-1)
...
history = model.fit(X_train, np.append(y_train, u_out_train, axis =1), 
                 validation_data=(X_valid, np.append(y_valid, u_out_valid, axis =1)), 
                 epochs=EPOCH, batch_size=BATCH_SIZE,
                 verbose=0,
                 callbacks=[lr])

【讨论】:

以上是关于如何在 Keras 中屏蔽损失函数(mae)?的主要内容,如果未能解决你的问题,请参考以下文章

y_pred 的自定义损失函数 Keras 仅高于某个阈值

Keras 自定义损失函数

在 Keras 模型中优化准确性而不是损失

Keras预测给出的误差与评估不同,损失与指标不同

Keras:如何在损失函数中使用层的权重?

如何在 Keras 自定义损失函数中使用张量?