不带alpha的示例

Question

我有针对暹罗网络实现的丢失功能。在Keras中，如果必须构建自己的损失函数，则应仅将输入参数作为（y_true，y_pred）。但就我而言，我有y_pred1，y_pred1，y_true1（class_label），y_true2（class_label），y_true3（相似性标签）

所以我的解决方案是将我喜欢的东西串联起来：

def my loss ( y_true, y_pred):
    y_true1 = y_true[:, 0]
    y_true2 = y_true[:, 1]
    label = y_true[:, 2]

    y_pred1 = y_pred[:, 0]
    y_pred2 = y_pred[:, 1]

第二个问题是，我有一个参数（alpha），它是当前时期数的函数，我也应该将其传递给损失函数。

通常，如果必须传递其他参数，则可以使用wrapper函数作为建议的here解决方案。

但是对于我来说，这无济于事，因为我的alpha值应根据当前纪元数进行更改。它基本上是当前时代的Sigmoied函数。

我可以跟踪时期号的唯一方法是在自己的生成器中，因为我在tfrecords中内置了数据集。因此，我正在使用自己的生成器将数据输入模型。

所以任何人都知道我该怎么办？如何跟踪当前纪元编号并使用它。

Answer 1

重要！您是哪种情况？

情况1：具有3个输出的模型
案例2：一个具有一个输出的模型是三个输出的串联？

不带alpha的示例

案例1

您需要三个独立的损失函数，每个函数只能看到自己的y_true和y_pred。

def loss1(yTrue,yPred):
    ...
def loss2(yTrue,yPred):
    ...
def loss3(yTrue,yPred):
    ...

model.compile(loss=[loss1,loss2,loss3],...)

案例2

在这种情况下，您将能够按照建议的方式进行操作。

def my loss ( y_true, y_pred):
    y_true1 = y_true[:, 0]
    y_true2 = y_true[:, 1]

    y_pred1 = y_pred[:, 0]
    y_pred2 = y_pred[:, 1]

使用alpha

Alpha必须是“张量”，而不是普通的var：

alpha = K.variable(someInitialNpArray, dtype=...)

alpha值必须“更改”，而不是重新分配：

K.set_value(alpha, newValues)

现在，为LambdaCallback创建一个on_epoch_end，以更改alpha的值：

def changeAlpha(epoch,logs):
    #maybe use epoch+1, because it starts with 0
    K.set_value(alpha, valuesBasedOn(epoch))

alphaChanger = LambdaCallback(on_epoch_end=changeAlpha) #or on_epoch_begin (or start?)

损失：

def loss(true,pred):
    #blablabla

    #you can use alpha here

培训：

model.fit(..... callbacks = [alphaChanger])
model.fit_generator(......, callbacks = [alphaChanger])

如何使用Keras构建自定义损失函数

1 个答案:

不带alpha的示例

案例1

案例2

使用alpha