如何在 Keras 中创建一个依赖于纪元数的损失函数参数?
Posted
技术标签:
【中文标题】如何在 Keras 中创建一个依赖于纪元数的损失函数参数?【英文标题】:How to create a loss function parameter that is dependent on epoch number in Keras? 【发布时间】:2019-03-13 17:53:16 【问题描述】:我有一个带有超参数 alpha
的自定义损失函数,我想在训练中每 20 轮更改一次。损失函数类似于:
def custom_loss(x, x_pred):
loss1 = binary_crossentropy(x, x_pred)
loss2 = (x, x_pred)
return (alpha)* loss1 + (1-alpha)*loss2
根据我的研究,创建自定义回调是可行的方法。我已经查看了类似问题here 和here 的解决方案,但是这些解决方案没有实现我想要完成的回调解决方案。
我试图通过更改 keras repo 中的 LearningRateScheduler
回调来创建自定义回调
class changeAlpha(Callback):
def __init__(self, alpha):
super(changeAlpha, self).__init__()
self.alpha = alpha
def on_epoch_begin(self, epoch, logs=):
if epoch%20 == 0:
K.set_value(self.alpha, K.get_value(self.alpha) * epoch**0.95)
print("Setting alpha to =", str(alpha))
但是,我不确定 alpha 值实际上是否对应于我的损失函数中的 alpha 值。无论如何,当我将changeAlpha
回调放入model.fit
方法时,我会收到attribute error
。
有人可以帮我编辑回调,使其在一定数量的时期后改变我的alpha
参数吗?
【问题讨论】:
【参考方案1】:我理解你的想法。我认为问题在于损失函数中的 alpha 没有引用 changeAlpha 类的成员。你可以这样尝试:
instance = changeAlpha()
def custom_loss(x, x_pred):
loss1 = binary_crossentropy(x, x_pred)
loss2 = (x, x_pred)
return (instance.alpha*)* loss1 + (1-instance.alpha)*loss2
或者,您可以将 alpha 作为类变量而不是安装变量,然后将损失函数更改如下:
def custom_loss(x, x_pred):
loss1 = binary_crossentropy(x, x_pred)
loss2 = (x, x_pred)
return (changeAlpha.alpha*)* loss1 + (1-changeAlpha.alpha)*loss2
希望对你有帮助。
【讨论】:
在我看来,这仅在启用急切执行时才有效,这可能会使其非常缓慢。以上是关于如何在 Keras 中创建一个依赖于纪元数的损失函数参数?的主要内容,如果未能解决你的问题,请参考以下文章
如何在 keras 中创建自定义损失函数? (自定义加权二元交叉熵)
使用Tensorflow后端的Keras LSTM RNN中令人费解的训练损失与纪元...行为的任何原因
以 y_true 依赖于 y_pred 的方式自定义 Keras 的损失函数