Keras中的自定义加权损失功能可对每个元素进行称重

Keras中的自定义加权损失功能可对每个元素进行称重,第1张

Keras中的自定义加权损失功能可对每个元素进行称重

model.fit
批量大小是默认32,这就是这个数字的来源。这是正在发生的事情:

  • custom_loss_1
    张量
    K.abs(y_true-y_pred)
    形状
    (batch_size=32, 5)
    ,而在numpy数组中
    weights
    有形状
    (100, 5)
    。这是无效的乘法,因为维数不一致并且无法应用广播。

  • custom_loss_2
    这个问题中不存在,因为您要乘以2个具有相同形状的张量
    (batch_size=32, 5)

  • custom_loss_3
    问题是相同
    custom_loss_1
    的,因为转换
    weights
    成Keras变量不改变它们的形状。


更新: 似乎您想对每个训练样本中的每个元素赋予不同的权重,因此

weights
数组
(100,5)
确实应具有形状。在这种情况下,我将权重的数组输入模型中,然后在损失函数中使用该张量:

import numpy as npfrom keras.layers import Dense, Inputfrom keras import Modelimport keras.backend as Kfrom functools import partialdef custom_loss_4(y_true, y_pred, weights):    return K.mean(K.abs(y_true - y_pred) * weights)train_X = np.random.randn(100, 5)train_Y = np.random.randn(100, 5) * 0.01 + train_Xweights = np.random.randn(*train_X.shape)input_layer = Input(shape=(5,))weights_tensor = Input(shape=(5,))out = Dense(5)(input_layer)cl4 = partial(custom_loss_4, weights=weights_tensor)model = Model([input_layer, weights_tensor], out)model.compile('adam', cl4)model.fit(x=[train_X, weights], y=train_Y, epochs=10)


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5673688.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存