Question

我知道，从理论上讲，一批网络的损失只是所有单个损失的总和。这反映在用于计算总损失的Keras code中。相关：

            for i in range(len(self.outputs)):
            if i in skip_target_indices:
                continue
            y_true = self.targets[i]
            y_pred = self.outputs[i]
            weighted_loss = weighted_losses[i]
            sample_weight = sample_weights[i]
            mask = masks[i]
            loss_weight = loss_weights_list[i]
            with K.name_scope(self.output_names[i] + '_loss'):
                output_loss = weighted_loss(y_true, y_pred,
                                            sample_weight, mask)
            if len(self.outputs) > 1:
                self.metrics_tensors.append(output_loss)
                self.metrics_names.append(self.output_names[i] + '_loss')
            if total_loss is None:
                total_loss = loss_weight * output_loss
            else:
                total_loss += loss_weight * output_loss

但是，我注意到，当我训练一个带有batch_size=32和batch_size=64的网络时，每个时期的损耗值还是差不多，只有{{1} } 区别。但是，两个网络的准确性都完全相同。因此，从本质上讲，批量大小对网络没有太大影响。

我的问题是，当我将批次数量加倍时，假设损失确实在被累加，损失实际上不应该是以前的两倍，或者至少更大吗？准确度保持完全相同的事实，否定了网络可能会随着批量大小的增加而更好地学习的借口。

无论批次大小如何，损失几乎保持不变的事实使我认为这是平均水平。

Answer 1

您发布的代码涉及多输出模型，其中每个输出可能都有自己的损失和权重。因此，将不同输出层的损耗值相加。但是，如在losses.py文件中所见，单个损失是批次~~的平均数。例如，这是与二进制交叉熵损失有关的代码：~~

~~def binary_crossentropy(y_true, y_pred): return K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)~~

更新：在添加了此答案的第二部分（即损失函数）之后，作为OP，我对损失函数定义中的axis=-1感到困惑，我我以为自己必须用axis=0来表示批次中的平均值？！然后我意识到，对于由多个单元组成的输出层，在损耗函数的定义中使用的所有K.mean()都在那里。那么整个批次的平均损失在哪里？我检查了代码，以找到答案：要获取特定损失函数的损失值，a function is called将真实和预测的标签以及样本权重和掩码作为其输入：

weighted_loss = weighted_losses[i]
# ...
output_loss = weighted_loss(y_true, y_pred, sample_weight, mask)

此weighted_losses[i]函数是什么？您可能会发现，it is an element of list of (augmented) loss functions：

weighted_losses = [
    weighted_masked_objective(fn) for fn in loss_functions]

fn实际上是losses.py文件中定义的损失函数之一，也可以是用户定义的自定义损失函数。现在，这个weighted_masked_objective函数是什么？它已在training_utils.py文件中定义：

def weighted_masked_objective(fn):
    """Adds support for masking and sample-weighting to an objective function.
    It transforms an objective function `fn(y_true, y_pred)`
    into a sample-weighted, cost-masked objective function
    `fn(y_true, y_pred, weights, mask)`.
    # Arguments
        fn: The objective function to wrap,
            with signature `fn(y_true, y_pred)`.
    # Returns
        A function with signature `fn(y_true, y_pred, weights, mask)`.
    """
    if fn is None:
        return None

    def weighted(y_true, y_pred, weights, mask=None):
        """Wrapper function.
        # Arguments
            y_true: `y_true` argument of `fn`.
            y_pred: `y_pred` argument of `fn`.
            weights: Weights tensor.
            mask: Mask tensor.
        # Returns
            Scalar tensor.
        """
        # score_array has ndim >= 2
        score_array = fn(y_true, y_pred)
        if mask is not None:
            # Cast the mask to floatX to avoid float64 upcasting in Theano
            mask = K.cast(mask, K.floatx())
            # mask should have the same shape as score_array
            score_array *= mask
            #  the loss per batch should be proportional
            #  to the number of unmasked samples.
            score_array /= K.mean(mask)

        # apply sample weighting
        if weights is not None:
            # reduce score_array to same ndim as weight array
            ndim = K.ndim(score_array)
            weight_ndim = K.ndim(weights)
            score_array = K.mean(score_array,
                                 axis=list(range(weight_ndim, ndim)))
            score_array *= weights
            score_array /= K.mean(K.cast(K.not_equal(weights, 0), K.floatx()))
        return K.mean(score_array)
return weighted

如您所见，首先在行score_array = fn(y_true, y_pred)中计算每个样本损失，然后最后返回损失的平均值，即return K.mean(score_array)。因此可以确认所报告的损失是每批次每个样本损失的平均值。

请注意，K.mean()在使用Tensorflow作为后端的情况下，calls是tf.reduce_mean()函数。现在，当在没有K.mean()参数的情况下调用axis时（axis参数的默认值为None），就像在weighted_masked_objective函数中调用的那样，对tf.reduce_mean() computes the mean over all the axes and returns one single value的相应调用。这就是为什么无论输出层的形状和所使用的损失函数如何，Keras都只使用和报告单个损失值的原因（应该这样，因为优化算法需要最小化标量值，而不是矢量或张量）

喀拉斯邦不同批次大小的损失计算

1 个答案: