带有 TensorFlow 后端的 Keras 的自定义损失函数问题

Question

我试图定义一个三classclass化问题的损失函数如下：

def func_loss(y_true, y_pred):
    return -K.mean(K.prod(K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0, K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))

我的 y 看起来像这样： [[1,0,0], [0,1,0], [1,0,0], [0,0,1], ...]

直觉上，我的三 class 标签是 classes“-1”、“0”和“+1”的单热编码。我想最大化“+/-1”的正确标签，最小化“+/-1”的错误标签，并忽略所有“0”标签，无论它们是否正确。

当我用这个损失函数编译模型时，这是我得到的：

Traceback (most recent call last):
File "", line 1, in 
File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 547, in compile
**kwargs)
File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 622, in compile
sample_weight, mask)
File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 324, in weighted
score_array = fn(y_true, y_pred)
File "", line 2, in func_loss
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prod
axis = _normalize_axis(axis, ndim(x))
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 435, in _normalize_axis
if axis is not None and axis < 0:
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 547, in nonzero
raise TypeError("Using a tf.Tensor as a Python bool is not allowed. "
TypeError: Using a tf.Tensor as a Python bool is not allowed. Use if t is not None: instead of if t: to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.

我一直在尝试对这个损失函数进行一些小的调整，但是当我编译模型时，所有这些都会导致一些错误。我想我可能对这个东西的工作原理有一些基本的误解。有人可以帮忙吗？

编辑：新的损失函数：

def func_loss(y_true, y_pred):
    return -K.mean((K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0 )* (K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))

Answer 1

我也在 Tensorflow Github 上回复了你。

您已经编辑了损失函数，但实际上您现在得到的错误略有不同。

之前，错误发生在 K.mean

File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 490, in mean
axis = _normalize_axis(axis, ndim(x))

现在，如您所见，它发生在 K.prod

File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prod
axis = _normalize_axis(axis, ndim(x))

但是，原因仍然相同：K.mean 和 K.prod 各取一个 Tensor，因此您传递的第二个 Tensor 被视为 axis 参数。

带有 TensorFlow 后端的 Keras 的自定义损失函数问题

Issue on custom loss function with Keras with TensorFlow backend

python

machine-learning

deep-learning

keras

tensorflow