Question

我需要将其他信息合并到Keras损失函数中，该函数取决于当前批次。由于Keras只丢失两个参数，我考虑通过在生成器对象上调用next（）函数来添加此信息。但是，生成器只被调用一次（可能在model.compile（）中添加了loss函数）。以下是示例代码：

data_batches = yield_data_batches()
meta_batches = yield_meta_batches()
....
model.compile(loss=loss_function, ...)
model.fit_generator(generator=data_batches, ....)

def loss_function(x, y):
      meta_x, meta_y = next(meta_batches)
      x *= meta_x  # component-wise matrix multiplication
      y *= meta_y  # component-wise matrix multiplication
      return mse(x, y)

有没有办法让loss函数在每次在data_batch上计算时获得一个新的meta_batch？或者是否有其他方法将此元信息合并到损失函数中？

澄清： meta_x和meta_y是二元矩阵，它们应该从预测中抵消某些元素，因为它们不应该计入损失。例如：

y_true = (a,b,c,0) y_pred = (d,e,f,g) y_meta = (1,1,1,0)

现在，y_pred * y_meta应该取消g，以便它不计入损失。

Answer 1

这不起作用，因为将编译损失函数并将其添加到计算图中。您的损失功能可能仅取决于y_pred和y_true。

您可以将此信息合并到y_true中，或者使用样本权重对结果损失进行加权。

您的方法相当于两者的组合：假设正权重a和b（你称之为meta_x和meta_y）： | AX-由| = a | x-b / a * y |，所以你只需将y_pred加权为b / a并加上样本权重a。

在损失功能中使用发电机

1 个答案: