Question

我在制作此自定义丢失函数时遇到了一些问题（它检查y_pred数据是否与y_true）工作提供的实际排序索引一致地排序：

def custom_objective(y_true, y_pred):
    y_true = tf.cast(y_true, tf.float32)
    ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32)
    return tf.sqrt(tf.reduce_mean(tf.square(ordered_output - y_true), axis=-1))

我可以使用示例数据正确运行它：

with tf.Session() as sess:
    print(custom_objective(tf.constant([0, 1, 2, 3, 4, 5]), 
                           tf.constant([0.0, 0.9, 0.2, 0.3, 0.5, 0.8])).eval())  # 1.82574

但是如果我在model.compile中使用它，它会以某种方式起作用，因为它会引发：

/Users/luca/.virtualenvs/python3/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py in make_tensor_proto(values, dtype, shape, verify_shape)
    358   else:
    359     if values is None:
--> 360       raise ValueError("None values not supported.")
    361     # if dtype is provided, forces numpy array to be the type
    362     # provided if possible.

ValueError: None values not supported.

请注意，没有＆＃34;无＆＃34;我的训练测试集中的值如果我将ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32)更改为ordered_output = -y_pred，则模型编译正常并开始正确训练（但它显然不是我想要的损失函数）。

我有一种微妙的感觉，即在损失函数中使用top_k可能有问题，因为我不知道它是如何可以区分的，但我没有更好的想法评估预测排序的差异。提示/创意/纸/引用？：）

Answer 1

这可能会被拒绝，因为我不会真正修复你的代码，但这里什么都没有：

我确实不相信你可以使用top_k作为目标函数。就像你不能将精确度用作目标函数一样。

原因是数学。即使keras，tensorflow，theano和co。是人工智能的绝佳工具，允许每个人都使用神经网络，后者仍然是非常复杂的数学工具。这些数学很好地隐藏在引擎盖下，但是当你试图比预制工具更进一步时，你应该意识到它们。

当您训练网络时会发生的事情是您计算网络在一个示例中的错误，并且您反向传播该错误以从中学习。反向传播背后的算法是优化器，更准确地说，它们是基于梯度的优化器。计算梯度需要区分我们正在优化的功能，损失/目标函数。这意味着目标必须是可区分的。精度不是可微分函数，它将0和1之间的实数作为输入并输出阶梯状函数：如果x <0.5则为0，如果x> 0.5则为1。该函数不可微分，因为我们无法在0.5中得到它的梯度。 top_k函数是某种精度函数。所以我确实不能在目标中使用它，因为在引擎盖下，智能张量流必须计算函数的渐变。

我希望这会有所帮助：）

如何在keras损失函数中使用tf.nn.top_k？

1 个答案: