keras中的自定义丢失函数实现问题

Question

我正在keras中实现自定义丢失功能。模型的输出是10维softmax层。计算损失：首先我需要找到y触发1的索引，然后用真值减去该值。我正在做以下事情：

nil

但它给出错误“引发ValueError（”不支持None值。“） ValueError：不支持任何值。“ 这有什么问题？

Answer 1

这是因为您的功能不可区分。它由常数组成。

如果您希望argmax作为结果，则根本没有解决方案。

测试方法

由于您正在使用＆＃34; softmax＆＃34;，这意味着只有一个班级正确（您不能同时拥有两个班级）。

既然你想要指数差异，也许你可以使用一个连续的结果（连续值可以区分）。

只使用-0.5到9.5之间的一个输出，并通过舍入结果来获取类。

这样，你可以让最后一层只有一个单位：

lastLayer = Dense(1,activation = 'sigmoid', ....) #or another kind if it's not dense    

用lambda图层改变范围：

lambdaLayer = Lambda(lambda x: 10*x - 0.5)

现在您的损失可能很简单'mae'（平均绝对误差）。

这种尝试的缺点是'sigmoid＆＃39;激活在类之间不均匀分布。有些课程比其他课程更有可能。但是因为限制是重要的，所以最初看起来最好的想法。

仅当您的类遵循逻辑递增序列时，此操作才有效。 （我猜他们会这样做，否则你不会尝试那种损失，对吗？）