在 Keras 中使用 Tensorflow Huber 损失

Question

我正在尝试在 keras 模型中使用 huber 损失（编写 DQN），但结果很糟糕，我想我做错了什么。我的代码如下。

model = Sequential()
model.add(Dense(output_dim=64, activation='relu', input_dim=state_dim))
model.add(Dense(output_dim=number_of_actions, activation='linear'))
loss = tf.losses.huber_loss(delta=1.0)
model.compile(loss=loss, opt='sgd')
return model

Answer 1

我正在查看keras的损失。显然 logcosh 具有与 huber loss 相同的属性。更多的相似度可以看here.

Answer 2

我带着完全相同的问题来到这里。接受的答案使用 logcosh 可能具有类似的属性，但它不完全是 Huber Loss。这是我为 Keras 实现 Huber Loss 的方法（请注意，我使用的是来自 Tensorflow 1.5 的 Keras）。

import numpy as np
import tensorflow as tf

'''
 ' Huber loss.
 ' https://jaromiru.com/2017/05/27/on-using-huber-loss-in-deep-q-learning/
 ' https://en.wikipedia.org/wiki/Huber_loss
'''
def huber_loss(y_true, y_pred, clip_delta=1.0):
  error = y_true - y_pred
  cond  = tf.keras.backend.abs(error) < clip_delta

  squared_loss = 0.5 * tf.keras.backend.square(error)
  linear_loss  = clip_delta * (tf.keras.backend.abs(error) - 0.5 * clip_delta)

  return tf.where(cond, squared_loss, linear_loss)

'''
 ' Same as above but returns the mean loss.
'''
def huber_loss_mean(y_true, y_pred, clip_delta=1.0):
  return tf.keras.backend.mean(huber_loss(y_true, y_pred, clip_delta))

根据你是想减少损失还是损失的均值，使用上面相应的函数。

Answer 3

您可以将 Tensorflow 的 tf.losses.huber_loss 包装在自定义 Keras 损失函数中，然后将其传递给您的模型。

包装器的原因是 Keras 只会将 y_true, y_pred 传递给损失函数，您可能还想使用许多参数中的一些来 tf.losses.huber_loss。所以，你需要某种闭包，比如：

def get_huber_loss_fn(**huber_loss_kwargs):

    def custom_huber_loss(y_true, y_pred):
        return tf.losses.huber_loss(y_true, y_pred, **huber_loss_kwargs)

    return custom_huber_loss

# Later...
model.compile(
    loss=get_huber_loss_fn(delta=0.1)
    ...
)

Answer 4

怎么样：

    loss=tf.keras.losses.Huber(delta=100.0)

在 Keras 中使用 Tensorflow Huber 损失

Using Tensorflow Huber loss in Keras

python

reinforcement-learning

keras

tensorflow