使用theano函数在喀拉拉邦自定义损失函数

Nejla 发表于 Dev

内拉

我想使用自己的binary_crossentropy，而不是使用Keras库随附的库。这是我的自定义函数：

    import theano
    from keras import backend as K

    def elementwise_multiply(a, b): # a and b are tensors
       c = a * b
       return theano.function([a, b], c)

    def custom_objective(y_true, y_pred):  
       first_log = K.log(y_pred)
       first_log = elementwise_multiply(first_log, y_true)
       second_log = K.log(1 - y_pred)
       second_log = elementwise_multiply(second_log, (1 - y_true))
       result = second_log + first_log
       return K.mean(result, axis=-1)

注意：这是为了练习。我知道T.nnet.binary_crossentropy（y_pred，y_true）

但是，当我编译模型时：

sgd = SGD(lr=0.001)
model.compile(loss = custom_objective, optimizer = sgd)

我收到此错误：

-------------------------------------------------- -------------------------（）中的TypeError追溯（最近一次通话最近）36 37 sgd = SGD（lr = 0.001）---> 38 model.compile（损失= custom_objective，优化程序= sgd）39＃==================================== ===========

C：\ Program Files（x86）\ Anaconda3 \ lib \ site-packages \ keras \ models.py在compile中（self，Optimizer，loss，class_mode）418 else：419 mask = None-> 420 train_loss = weighted_loss（self。 y，self.y_train，self.weights，mask）421 test_loss = weighted_loss（self.y，self.y_test，self.weights，mask）422

C：\ Program Files（x86）\ Anaconda3 \ lib \ site-packages \ keras \ models.py in weighted（y_true，y_pred，weights，mask）80'''81＃score_array的ndim> = 2 ---> 82 score_array = fn（y_true，y_pred）83如果mask不是None：84＃mask应该具有与score_array相同的形状

在custom_objective（y_true，y_pred）中11 second_log = K.log（1-K.clip（y_true，K.epsilon（），np.inf））12 second_log = elementwise_multiply（second_log，（1-y_true））---> 13结果= second_log + first_log 14＃结果= np.multiply（结果，y_pred）15返回K.mean（结果，轴= -1）

TypeError：+不支持的操作数类型：“函数”和“函数”

当我用内联函数替换elementwise_multiply时：

def custom_objective(y_true, y_pred):  
    first_log = K.log(y_pred)    
    first_log = first_log * y_true
    second_log = K.log(1 - y_pred)
    second_log = second_log * (1-y_true)
    result = second_log + first_log
    return K.mean(result, axis=-1)

该模型可以编译，但损失值为nan：

时代1/1 945/945 [==============================-62秒-损失：南-比赛：0.0011- val_loss：nan-val_acc：0.0000e + 00

有人可以帮我吗？

谢谢

内拉

我发现了问题。我必须将返回值乘以“ -1”，因为我使用随机梯度递归（sgd）作为优化器，而不是随机梯度上升！

这是代码，它像一个魅力一样工作：

import theano
from keras import backend as K

def custom_objective(y_true, y_pred):  
    first_log = K.log(y_pred)    
    first_log = first_log * y_true
    second_log = K.log(1 - y_pred)
    second_log = second_log * (1 - y_true)
    result = second_log + first_log
    return (-1 * K.mean(result))

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。