Question

我正在尝试将(tp+tn)/total_samples计算为我的自定义损失函数。我知道如何在列表和列表理解中做到这一点，但是我想我无法将y_true和y_pred转换为列表。

到目前为止我写的代码是：

def CustomLossFunction(y_true, y_pred):
   y_true_mask_less_zero = K.less(y_true, 0)
   y_true_mask_greater_zero = K.greater(y_true, 0)

   y_pred_mask_less_zero = K.less(y_pred, 0)
   y_pred_mask_greater_zero = K.greater(y_pred, 0)

   t_zeros = K.equal(y_pred_mask_less_zero, y_true_mask_less_zero)
   t_ones = K.equal(y_pred_mask_greater_zero, y_true_mask_greater_zero)

现在，我需要将t_zeros和t_ones中的TRUE总数相加，并将它们相加并除以总样本

我在此行出现错误：

sum_of_true_negatives = K.sum(t_zeros)

传递给参数'input'的值的DataType bool不在允许的值列表中：float32，float64，int32，uint8，int16

问题：

是否有用于“（tp + tn）/ total_samples”的内置损失函数
如果不是，那么如何使用Keras后端进行计算？

Answer 1

在将布尔张量进行计算之前，必须<p>...some text...</p>使其布尔张量浮动。

但这只是一个警告，所以您不会浪费时间：

此损失功能无法区分，因此无法使用。您不能像这样简单地丢弃cast中存在的“连续性”。（您将收到诸如“不支持任何值”或“操作没有梯度可操作”之类的错误）

使用一些现有的标准函数进行分类，例如y_pred或binary_crossentropy。

投射：

categorical_crossentropy

Keras后端自定义损失功能

1 个答案: