Question

我想为categorical_crossentropy损失添加一个因素。与参考相比，它将描述y_pred的类分布。简化示例：

y_ref = [5, 45, 30, 20] 
y_pred = [10, 40, 30, 20]
factor = 10

目前，我仅将此因子用作指标。我对训练数据进行了预测，以验证该因素的准确性。该值不正确。

我试图返回totalsum_pred，它应该是y_pred中的样本数。但是，class_f和val_class_f不是整数（例如31.9701）。我没有使用批处理或正则化。

出什么问题了？

def class_f(y_true, y_pred):

    ref_rate = K.cast([0.05, 0.45, 0.30, 0.20], dtype='float32')

    pred_cast = K.cast(y_pred, dtype='float32')    
    pred_argmax = K.argmax(pred_cast, axis=1)
    pred_onehot = K.one_hot(pred_argmax , 4)

    sum_pred = K.sum(pred_onehot, axis=0)
    totalsum_pred = K.sum(pred_onehot)
    norm_sum_pred = K.cast(sum_pred / totalsum_pred, dtype='float32')

    class_factor = K.sum(K.abs(ref_rate-norm_sum_pred))

    return class_factor 

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=[class_f])

Answer 1

默认的batch_size不适用于此代码。我在model.fit函数中将我的batch_size设置为火车样本的数量。

Keras自定义损失类别分配

1 个答案: