Question

我想定义自定义丢失，但似乎无法将keras张量date_range与单值K.sum(y_true)进行比较。

我还尝试了def custom_loss_keras(y_true, y_pred): if(K.sum(y_true) > 0): loss = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1) return loss else: loss = 0.0 return loss内部丢失函数来获取numpy数组，但它失败了。

K.eval()

更新

def custom_loss_keras(y_true, y_pred):
    y_true_np = K.eval(y_true) 
    #if(K.sum(y_true) > 0):
    if(np.sum(y_true_np) > 0):
        loss = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
        return loss
    else:
        loss = 0.0
        return loss

它产生错误：

def custom_loss_keras(y_true, y_pred):
    if(K.greater(K.sum(y_true), 0)):
        loss = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
        return loss
    else:
        loss = 0.0
        return loss

此外，我还尝试将建议的TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.与keras函数结合使用：

tf.cond

它产生错误：

def custom_loss_keras(y_true, y_pred):
    loss = tf.cond(K.greater(K.sum(y_true),0), K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1), 0.0)

    return loss

好像我需要用纯张量流写它？

Answer 1

在损失函数中使用if和else（或K.eval）将无效，因为custom_loss_keras中的行是在模型编译期间执行的，而不是模型拟合。

您可以使用tf.cond：

，而不是致电K.switch

def custom_loss_keras(y_true, y_pred):
    loss = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
    condition = K.greater(K.sum(y_true), 0)
    return K.switch(condition, loss, K.zeros_like(loss))

Answer 2

Keras后端无法理解＆gt;作为运算符，您必须使用内置的Keras逻辑运算符大于：

K.greater(x, y)

在你的情况下：

x = K.sum(y_true)
y = 0

来源：https://keras.io/backend/#backend-functions

Keras：如何在自定义损失中比较K.sum（y_true）和0？

2 个答案: