Question

我目前正在尝试为Keras创建自己的损失函数（使用Tensorflow后端）。这是一个简单的分类交叉熵，但我在第1列应用了一个因子来惩罚第一类的更多损失。然而我是Keras的新手，我无法弄清楚如何翻译我的函数（下图），因为我必须使用符号表达式，而且似乎我不能按元素进行：

def custom_categorical_crossentropy(y_true, y_pred):
    y_pred = np.clip(y_pred, _EPSILON, 1.0-_EPSILON)
    out = np.zeros(y_true.shape).astype('float32')
    for i in range(0,y_true.shape[0]):
        for j in range (0,y_true.shape[1]):
            #penalize more all elements on class 1 so that loss takes its low proportion in the dataset into account
            if(j==0):
                out[i][j] = -(prop_database*(y_true[i][j] * np.log(y_pred[i][j]) + (1.0 - y_true[i][j]) * np.log(1.0 - y_pred[i][j])))
            else:
                out[i][j] = -(y_true[i][j] * np.log(y_pred[i][j]) + (1.0 - y_true[i][j]) * np.log(1.0 - y_pred[i][j]))
        out = np.mean(out.astype('float32'), axis=-1)
        return tf.convert_to_tensor(out,
                     dtype=tf.float32,
                     name='custom_loss')

有人可以帮助我吗？

非常感谢！

Answer 1

您可以在class_weight方法中使用fit来惩罚类而不创建函数：

weights = {
            0:2,
            1:1,
            2:1,
            3:1,
            ...
          }


model.compile(optimizer=chooseOne, loss='categorical_crossentropy')
model.fit(......., class_weight = weights)

这将使第一堂课成为其他班级的两倍。

自定义Keras指标，更改

1 个答案: