Question

我在Tensorflow后端使用Keras。我想创建一个新的自定义损失函数，在其中将y_true和y_pred的各个值合并到bin中（考虑直方图），然后计算两个直方图之间的chi2。

我了解张量对象是不可迭代的，因此无法遍历y_true和y_pred的各个元素来填充直方图。

更新：

我试图创建这样的损失函数：

def Chi2Loss(y_true, y_pred):
     h_true = tf.histogram_fixed_width( y_true, value_range=(-1., 1.), nbins=20) 
     h_pred = tf.histogram_fixed_width( y_true, value_range=(-1., 1.), nbins=20) 
     return K.mean(K.square(h_true - h_pred))

但是我得到一个错误：

TypeError：“ Mul”操作的输入“ y”具有不匹配的float32类型输入参数'x'的int32。

Answer 1

我认为是因为y_pred中没有直接使用Y_true或return，而喀拉拉邦抱怨。

您可以在喀拉拉邦使用这个小技巧：

def Chi2Loss(y_true, y_pred):
     h_true = tf.histogram_fixed_width( y_true, value_range=(-1., 1.), nbins=20) 
     h_pred = tf.histogram_fixed_width( y_pred, value_range=(-1., 1.), nbins=20) 
     return K.mean(K.square(h_true - h_pred)) + y_pred*0

希望有帮助

Answer 2

这是数字类型的问题：tf.histogram_fixed_width只能提供int32或int64张量，而K.square不支持任何这些格式。

解决方案：将tf.histogram_fixed_width输出转换为兼容的数字类型，例如float32：

def Chi2Loss(y_true, y_pred):
    h_true = tf.histogram_fixed_width( y_true, value_range=(-1., 1.), nbins=20)
    h_pred = tf.histogram_fixed_width( y_pred, value_range=(-1., 1.), nbins=20)
    h_true = tf.cast(h_true, dtype=tf.dtypes.float32)
    h_pred = tf.cast(h_pred, dtype=tf.dtypes.float32)
    return K.mean(K.square(h_true - h_pred))

Keras自定义损失：将值合并为直方图

更新：

2 个答案: