Question

我试图在Keras中实现一个自定义丢失函数，其中每个单独的示例（不是类）具有不同的权重。

准确地说，给定通常的 y_true （例如＆lt; 1,1,0＆gt;）和 y_pred （例如＆lt; 1,0.2,0.8＆gt; ），我试图创建权重（例如＆lt; 0.81,0.9,1.0＆gt;）并将其与 binary_crossentropy 损失函数一起使用。我试过了：

import numpy as np
from keras import backend as K

def my_binary_crossentropy(y_true, y_pred):
    base_factor = 0.9
    num_examples = K.int_shape(y_true)[0]

    out = [ K.pow(base_factor, num_examples - i - 1) for i in range(num_examples) ]
    forgetting_factors = K.stack(out)

    return K.mean(
        forgetting_factors * K.binary_crossentropy(y_true, y_pred),
        axis=-1
    )

使用这个简单的例子可以正常工作：

y_true = K.variable( np.array([1,1,0]) )
y_pred = K.variable( np.array([1,0.2,0.8]) )
print K.eval(my_binary_crossentropy(y_true, y_pred))

但是，当我将其与model.compile(loss=my_binary_crossentropy, ...)一起使用时，我收到以下错误：TypeError: range() integer end argument expected, got NoneType。

我尝试了一些事情。我用 K_shape 替换了 K.int_shape ，然后得到：TypeError: range() integer end argument expected, got Tensor.我用 K.arange进一步替换 range（） （）现在获得：TypeError: Tensor objects are not iterable when eager execution is not enabled. To iterate over this tensor use tf.map_fn。

有人能帮帮我吗？我错过了什么？非常感谢！

Answer 1

K.pow可以将一系列指数作为参数。因此，您可以先将指数计算为张量（[num_examples - 1, num_examples - 2, ..., 0]），然后将此张量输入K.pow。这里num_examples基本上只是K.shape(y_pred)[0]，也是一个张量。

def my_binary_crossentropy(y_true, y_pred):
    base_factor = 0.9
    num_examples = K.cast(K.shape(y_pred)[0], K.floatx())
    exponents = num_examples - K.arange(num_examples) - 1
    forgetting_factors = K.pow(base_factor, exponents)
    forgetting_factors = K.expand_dims(forgetting_factors, axis=-1)
    forgetting_factors = K.print_tensor(forgetting_factors)  # only for debugging

    loss = K.mean(
        forgetting_factors * K.binary_crossentropy(y_true, y_pred),
        axis=-1
    )
    loss = K.print_tensor(loss)  # only for debugging
    return loss

例如，两个K.print_tensor语句打印的输出如下：

model = Sequential()
model.add(Dense(1, activation='sigmoid', input_shape=(100,)))
model.compile(loss=my_binary_crossentropy, optimizer='adam')

model.evaluate(np.zeros((3, 100)), np.ones(3), verbose=0)
[[0.809999943][0.9][1]]
[0.56144917 0.623832464 0.693147182]

model.evaluate(np.zeros((6, 100)), np.ones(6), verbose=0)
[[0.590489924][0.656099916][0.728999913]...]
[0.409296423 0.454773813 0.505304217...]

由于舍入错误，数字不准确。 forgetting_factors（model.evaluate之后打印的第一行）确实是0.9的幂。您还可以验证返回的损失值是否会减少0.9（0.623832464 = 0.693147182 * 0.9和0.56144917 = 0.693147182 * 0.9 ** 2等）。

Answer 2

在tensorflow中，您首先使用张量预定义图形，然后再运行它。因此，与numpy数组一起工作的函数不能与tensorflow一起工作，这是很常见的。在您的情况下，num_examples是问题所在。

想象一下，在张量流中，每次需要时都不会调用此损失函数，而是在模型训练时，此损失函数将构建用于计算图形内部损失函数的图形。

所以当keras想要尝试在tensorflow中构建你的损失函数时，你的y_true是一个抽象张量，你的第一个形状很可能会有None，因为batch_size还没有被定义。

您必须以一种不依赖于batch_size =＆gt;的方式重写损失函数。删除变量num_examples

Keras自定义损失函数，每个示例具有不同的权重

2 个答案: