定制Keras＆＃39; y_true将依赖于y_pred

Question

我正在研究多标签分类器。我有很多输出标签[1,0,0,1 ...]，其中1表示输入属于该标签，0表示否则。

在我的情况下，我使用的损失功能基于MSE。我想以一种方式改变损失函数，当输出标签为-1时，它将改变为该标签的预测概率。

检查附加图像以最好地理解我的意思： 场景是 - 当输出标签为-1时，我希望MSE等于零：

这是场景：

在这种情况下，我希望它改为：

在这种情况下，第二个标签的MSE（中间输出）将为零（这是一个特殊情况，我不希望分类器了解此标签）。

感觉这是一种必要的方法，我不相信我是第一个考虑它的人，所以首先我想知道是否有这样的训练方式的名字神经网络和第二我想知道我该怎么做。

我知道我需要更改损失函数中的一些内容，但我真的是Theano的新手，并且不确定如何查找特定值以及如何更改张量的内容。

Answer 1

我相信这就是你要找的。

import theano
from keras import backend as K
from keras.layers import Dense
from keras.models import Sequential

def customized_loss(y_true, y_pred):
    loss = K.switch(K.equal(y_true, -1), 0, K.square(y_true-y_pred))
    return K.sum(loss)

if __name__ == '__main__':
    model = Sequential([ Dense(3, input_shape=(4,)) ])
    model.compile(loss=customized_loss, optimizer='sgd')

    import numpy as np
    x = np.random.random((1, 4))
    y = np.array([[1,-1,0]])

    output = model.predict(x)
    print output
    # [[ 0.47242549 -0.45106074  0.13912249]]
    print model.evaluate(x, y)  # keras's loss
    # 0.297689884901
    print (output[0, 0]-1)**2 + 0 +(output[0, 2]-0)**2 # double-check
    # 0.297689929093