Question

我正在为我的tflearn模型创建一个自定义目标函数。目标函数很复杂，需要我迭代预测和正确的输出，并添加不基于索引的某些部分。我找不到使用tensor数据类型的方法。

我使用下面的标准列表编写了一个版本。

errorBuild = 0
errorCheck = 0
def CustomLoss(y_pred, y_true):
    for value, index in enumerate(y_true):
        if y_true[index] == 0:
            errorBuild += y_pred[index]
        else:
            errorBuild += y_pred[index] - y_true[index]
            errorCheck += math.abs(errorBuild)

    return errorCheck

似乎没有办法循环张量的各个值。我应该在目标函数中创建一个新会话并评估张量吗？

感谢您的帮助

Answer 1

您可以将任何新的损失函数添加到tflearn / objectives.py文件（https://github.com/tflearn/tflearn/blob/master/tflearn/objectives.py）。要使用它，您只需在回归层中调用其名称。

def my_own_Loss(y_pred, y_true):
    for value, index in enumerate(y_true):
        if y_true[index] == 0:
            errorBuild += y_pred[index]
        else:
            errorBuild += y_pred[index] - y_true[index]
            errorCheck += math.abs(errorBuild)

    return errorCheck

然后将其调用：

net = tflearn.regression(net, optimizer='momentum',
                         loss='my_own_Loss',
                         learning_rate=0.1)

Tflearn自定义目标函数

1 个答案: