我正在处理序列数据（一个热编码序列），并且正在寻找一种方法来编写自定义损失函数，该函数使用基于 y_pred 和 y_true 的值字典中的权重，并在训练时依赖于这些值（所以在调用 fit 时我不能使用恒重）。
基本上，对于序列矩阵中的每个 argmax 索引位置，我可以检索一个字符。对于每两个字符，我可以检索一个权重。这些字典如下：
values =
{0: 'A',
1: 'C',
2: 'D',
...}
matrix = array
([[ 4, -1, -2, -2, 0, -1, -1, 0, -2, -1, -1, -1, -1, -2, -1, 1,
0, -3, -2, 0, -2, -1, 0, -4],
[-1, 5, 0, -2, -3, 1, 0, -2, 0, -3, -2, 2, -1, -3, -2, -1,
-1, -3, -2, -3, -1, 0, -1, -4],
[-2, 0, 6, 1, -3, 0, 0, 0, 1, -3, -3, 0, -2, -3, -2, 1,
0, -4, -2, -3, 3, 0, -1, -4],
...]])
我想做这样的事情：
y_true (n,155,20) ---K.argmax(.., axis=2)---> a:(n,155)
y_pred (n,155,20) ---K.argmax(.., axis=2)---> b:(n,155)
for i in range(n):
for j in range(155):
weights[i,j] = matrix[values[a[i,j]], values[b[i,j]]]
想象一下，有一种方法可以通过其他一些字典获取上面的矩阵值。
然后我想像这样使用我的weights矩阵：
def custom_loss_mse(y_true,y_pred):
w = getWeights(y_true,y_pred)
return K.mean(K.dot(w, K.square(y_pred-y_true)), axis=-1)
到目前为止，我只发现这个问题有帮助，而且并不是很相似。
这很容易，但由于计算图模型，keras 使我更难做。应该有一些快速的方法来做到这一点，但我没有想法。
我将不胜感激，因为我对 numpy 和 keras 还很陌生。
您可以使用tf.gather获取特定索引处的张量值。例如，您可以a使用以下代码构建：
index = K.argmax(y_true, axis=2)
a = tf.diag_part(tf.gather(y_true, index, axis=2)) # shape (n, 155)
我认为不可能从 dict 中获取值，因为所有计算都必须是符号化的。但是如果你可以使用矩阵而不是字典，你可以将矩阵转换为张量，K.constant然后你可以使用与上面相同的方法来获取特定索引处的值，具体取决于输入张量。
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。
我来说两句