Keras中具有自定义损失功能的批次大小错误

debugcn 发表于 Dev

猫

我正在使用Keras开发一个检测器，其中输出y_true包含具有500个值的向量“ y”，其中包含一个脉冲，该脉冲指示从信号中的500个样本中检测到事件的时间。

Ex: y=[0, 0, 0,....,0,1,1,1,1,1,1,1,1,1,1,1,0,....0,0,0]

我之前使用过'mse'进行损耗处理，并且可以工作，但是我想使用一个损耗函数，该函数考虑y_true脉冲的中间值与y_pred最大值之间的距离。稍后，我使用y_pred中的最大值对其进行归一化并定义其周围的脉冲。

由于我不能仅使用距离并使它可微，因此我定义了此自定义损失函数，该函数用估计的距离对均方误差进行加权。

import tensorflow as tf
import keras.backend as kb

def custom_loss_function (y_true, y_pred):
    
    t_label = []
    t_picking = 0    
    t_label = tf.where(y_true == 1)[:,0]    
    mayor = tf.reduce_max(y_pred)
    t_picking = tf.where(y_pred == mayor)[:,0]    
    d = tf.cast(abs(t_label[5]-t_picking)/50,tf.float32)

    loss = (kb.mean(kb.square(y_true-y_pred)))*d

    return loss

其中t_label [5]和t_picking分别是y_trye中的脉冲中间值和y_pred中的最大值。d是它们之间的距离。

我使用Adam优化器和64的批处理大小，使用此损失函数编译了模型。一切正常，并且可以对模型进行编译，但是在培训过程中出现了此错误：

InvalidArgumentError:  Incompatible shapes: [64] vs. [2]
 [[node Adam/gradients/gradients/loss/dense_1_loss/custom_loss_function/weighted_loss/mul_grad/BroadcastGradientArgs (defined at C:\Users\Maca\anaconda3\lib\site-packages\keras\backend\tensorflow_backend.py:3009) ]] [Op:__inference_keras_scratch_graph_2220]

我之前尝试过使用其他自定义损失函数，但没有出现此问题，但是我看不出错误的出处。

您知道我为什么会收到此错误，如何解决该错误？

安德烈

特定批次中有两个相等的最大值。因此，您t_picking有时（很少）有两个（或更多）值而不是一个。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。