Question

我正在尝试使用keras / tensorflow预测方位角。 y_true的范围是0-359，但我需要一个损失函数来处理已经缠绕并超出该范围的预测。不幸的是，当我尝试任何类型的模块化部门tf.mod()或%时，我都会收到错误...

LookupError: No gradient defined for operation 'FloorMod' (op type: FloorMod)

所以我想我已经解决了以下问题......

def mean_squared_error_360(y_true, y_pred):
  delta = K.minimum(K.minimum(K.abs(y_pred - y_true),
                              K.abs(y_pred - (360+y_true))),
                              K.abs(y_true - (360+y_pred)))
  return K.mean(K.square(delta), axis=-1)

def rmse_360(y_true, y_pred):
  return K.sqrt(mean_squared_error_360(y_true, y_pred))


model.compile(loss=mean_squared_error_360,
              optimizer=rmsprop(lr=0.0001),
              metrics=[rmse_360])

这处理以下边缘情况......我没有遇到预测＆lt; 0，所以我没有解决。

y =   1  y_pred = 361  err = 0
y = 359  y_pred =   1  err = 2
y = 359  y_pred = 361  err = 2

问题

这感觉很笨拙;是否有更智能的解决方案？
直觉上，我认为使用mean_squared_error和root_mean_squared_error作为损失之间的结果没有区别......渐变会有所不同，但相同的最佳权重将解决这两个问题，对吗？是否有理由选择一个而不是另一个？我猜mse比rmse稍微简单，但这应该是微不足道的。我已经尝试了两种方法，使用rmse'感觉'就像一个比mse更有序的下降...那些平方误差的大小会让它跳得更多吗？

提前致谢。

修改

无论出于何种原因......我的原始mse似乎适合训练集，但验证集似乎对时代来说非常嘈杂，在几个时代之后没有任何真正的改进。 rmse似乎是一个更有秩序的下降......直到损失在改进了几十个时代之后才进入inf。我可能比损失函数有更大的问题。

编辑2 - 添加我的实施@Patwie答案

啊......三角!!当然！！不幸的是，我正在使用tf v1.0，它似乎没有tf.atan2（）。奇怪的是，我在tf存储库中找不到atan2实现，但我认为asos-ben在问题6095中的建议可以解决问题。见这里：https://github.com/tensorflow/tensorflow/issues/6095

def atan2(x, y, epsilon=1.0e-12):
  x = tf.where(tf.equal(x, 0.0), x+epsilon, x)
  y = tf.where(tf.equal(y, 0.0), y+epsilon, y)    
  angle = tf.where(tf.greater(x,0.0), tf.atan(y/x), tf.zeros_like(x))
  angle = tf.where(tf.logical_and(tf.less(x,0.0),  tf.greater_equal(y,0.0)), tf.atan(y/x) + np.pi, angle)
  angle = tf.where(tf.logical_and(tf.less(x,0.0),  tf.less(y,0.0)), tf.atan(y/x) - np.pi, angle)
  angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.greater(y,0.0)), 0.5*np.pi * tf.ones_like(x), angle)
  angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.less(y,0.0)), -0.5*np.pi * tf.ones_like(x), angle)
  angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.equal(y,0.0)), tf.zeros_like(x), angle)
  return angle

# y in radians
def rmse_360_2(y_true, y_pred):
  return K.mean(K.abs(atan2(K.sin(y_true - y_pred), K.cos(y_true - y_pred))))

在测试运行中只有大约7个时期，但似乎很有希望。

Answer 1

将我的评论转换为答案。给定两个角度a（gt），b（预测）为弧度，你得到角度差

tf.atan2(tf.sin(a - b), tf.cos(a - b))

根据定义tf.atan2在-45度，45度的间隔内自动给出差异。

因此，您可以使用

tf.reduce_mean(tf.abs(tf.atan2(tf.sin(a - b), tf.cos(a - b))))

我认为Keras了解这个TensorFlow代码。

用于360度预测的keras损失函数

1 个答案: