Question

我正在处理数值和分类值（时间序列）的数据集。这是变量的样本：
A B C_1 C_2 D_1 D_2 D_3
前两个是数值变量，C和D是具有单一表示的分类变量。

低于我的自定义丢失功能。我使用partial来将两个以上的参数传递给函数：

def mixed_num_cat_loss_backend(y_true, y_pred, signals_splits):
    if isinstance(y_true, np.ndarray):
        y_true = keras.backend.variable( y_true )
    if isinstance(y_pred, np.ndarray):
        y_pred = keras.backend.variable( y_pred )

    y_true_mse = y_true[:,:signals_splits[0]] 
    y_pred_mse = y_pred[:,:signals_splits[0]]
    mse_loss_v = keras.backend.square(y_true_mse-y_pred_mse)

    categ_loss_v = [ keras.backend.categorical_crossentropy(
                             y_pred[:,signals_splits[i-1]:signals_splits[i]], #keras.backend.softmax(y_pred[:,signals_splits[i-1]:signals_splits[i]]), 
                             y_true[:,signals_splits[i-1]:signals_splits[i]], 
                         from_logits=False) # force keras to normalize
                    for i in range(1,len(signals_splits)) ]

    losses_v = keras.backend.concatenate( [mse_loss_v, keras.backend.stack(categ_loss_v,1)], 1)

    return losses_v

在一个时代之后，我的损失值非常低：

Epoch 1/100
76s - loss: 0.1040 - acc: 0.1781 - val_loss: 0.0016 - val_acc: 0.1330  
Epoch 2/100  
75s - loss: 9.2523e-04 - acc: 0.1788 - val_loss: 8.7442e-04 - val_acc: 0.1330

重点是，当我使用Keras 2.0.4时，我不会遇到此问题。

Answer 1

自Keras 2.0.7以来，交叉熵后端方法的签名发生了变化。根据{{3}}，

后端方法categorical_crossentropy， sparse_categorical_crossentropy，binary_crossentropy的顺序为。{1}} 他们的位置论证（y_true，y_pred）倒置了。这种改变确实如此不会影响losses API。完成此更改是为了实现API losses API与后端API之间的一致性。

因此，在较新版本的Keras中调用y_true时，您应该切换y_pred和categorical_crossentropy的位置。

自定义损耗功能使用Keras 2.1.4产生极低的损耗值

1 个答案: