Question

我正在尝试定义三类分类问题的损失函数，如下所示：

def func_loss(y_true, y_pred):
    return -K.mean(K.prod(K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0, K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))

我的y看起来像这样： [[1,0,0], [0,1,0], [1,0,0], [0,0,1], ...]

直观地说，我的三级标签是类“-1”，“0”和“+1”的单热编码。我希望最大化“+/- 1”的正确标记，最小化“+/- 1”的错误标记，并忽略所有“0”标签，无论它们是否正确。

当我用这个损失函数编译模型时，这就是我得到的：

Traceback (most recent call last):
File "", line 1, in 
File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 547, in compile
**kwargs)
File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 622, in compile
sample_weight, mask)
File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 324, in weighted
score_array = fn(y_true, y_pred)
File "", line 2, in func_loss
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prod
axis = _normalize_axis(axis, ndim(x))
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 435, in _normalize_axis
if axis is not None and axis < 0:
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 547, in nonzero
raise TypeError("Using a tf.Tensor as a Python bool is not allowed. "
TypeError: Using a tf.Tensor as a Python bool is not allowed. Use if t is not None: instead of if t: to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.

我一直在尝试使用这个丢失函数进行小调整，但是当我编译模型时，所有这些都会导致一些错误。我想我可能对这件事的运作方式有一些基本的误解。有人可以帮忙吗？

编辑：新的损失函数：

def func_loss(y_true, y_pred):
    return -K.mean((K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0 )* (K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))

Answer 1

我也在Tensorflow Github上回复你。

您已编辑了损失功能，但实际上您现在收到的错误略有不同。

之前，错误发生在K.mean

File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 490, in mean
axis = _normalize_axis(axis, ndim(x))

现在，正如您所见，它发生在K.prod

中

File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prod
axis = _normalize_axis(axis, ndim(x))

但是，原因仍然相同：K.mean和K.prod各占一个Tensor，因此您传递的第二个Tensor被视为axis参数

使用带有TensorFlow后端的Keras进行自定义丢失功能的问题

1 个答案: