更新

Question

我正在尝试在keras框架中实现自定义目标函数。分别是一个加权平均函数，它取两个参数张量y_true和y_pred;权重信息来自y_true tensor。

张量流中是否有加权平均函数？或者关于如何实现这种损失函数的任何其他建议？

我的功能看起来像这样：

功能（y_true，y_pred） A =（y_true-y_pred）** 2 w - 可从y_true导出，与y_true形状相同的张量返回平均值（A，权重= w）＆lt; - 标量

y_true和y_pred是3D张量。

Answer 1

您可以使用here keras上的一个现有目标（也称为损失）。

您也可以实现自己的自定义函数丢失：

from keras import backend as K

def my_loss(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

# Let's train the model using RMSprop
model.compile(loss=my_loss, optimizer='SGD', metrics=['accuracy'])

注意K模块，它应该用来充分利用keras性能的keras后端，不要做这样的事情，除非你不关心性能问题：

def my_bad_and_slow_loss(y_true, y_pred):
    return sum((y_pred - y_true) ** 2, axis=-1)

根据您的具体情况，如果您需要帮助，请写下您想要的目标函数。

更新

你可以尝试这个来提供权重 - W作为损失函数：

def my_loss(y_true, y_pred):
    W = np.arange(9) / 9.  # some example W
    return K.mean(K.pow(y_true - y_pred, 2) * W)

张量加权平均数

1 个答案:

更新