Tensorflow / Keras自定义丢失功能

Question

我想在keras中创建自定义丢失函数。

假设我有yTrue和yPred，它们是真实和预测标签的张量（n×m）。

让我们调用每个样本n（即yTrue和yPred中的每一行）yT和yP。 然后我想要一个在yT [0] == 1时计算（yT-yP）^ 2的损失函数，否则它将计算（yT [0] -yP [0]）^ 2.

那就是：对于每个样本我总是想要计算第一个元素的平方误差 - 但是我想只计算真实标签的第一个元素== 1时计算其他元素的平方误差。

如何在自定义丢失功能中执行此操作？

这是我到目前为止所得到的：

我需要通过张量操作来做到这一点。 首先，我可以计算

Y = (yTrue - yPred)^2

然后我可以定义一个屏蔽矩阵，其中第一列始终为1，其他列为1，具体取决于yTrue每行的第一个元素的值。 所以我可以得到像

这样的东西

1 0 0 0 0 
1 0 0 0 0
1 1 1 1 1
1 1 1 1 1 
1 0 0 0 0 

然后，我可以将这个矩阵与元素相乘，得到我想要的东西。

但是，如何生成掩蔽矩阵？特别是，我如何处理条件＆＃34;如果行的第一个元素是1＆＃34;在tensorflow / keras？

也许有更好的方法可以做到这一点？ 谢谢

Answer 1

您可以在后端使用条件开关K.switch。有点像：

mse = K.mean(K.square(y_pred - y_true), axis=-1) # standard mse
msep = K.square(y_pred[:,0] - y_true[:,0])
return K.switch(K.equals(y_true[:,0], 1), mse, msep)

编辑处理每个样本条件。