我正在Keras中定义加权均方误差，如下所示：
Tensor("loss_19/dense_20_loss/Shape:0", shape=(3,), dtype=int32)我为每个预测列出了权重列表。预测的形状例如：（25,4）。这是通过最终密集层（尺寸为4）生成的。我希望在均方误差中对这些预测进行加权，因此我生成一个张量，并将其与平方和相乘。这是正确的方法吗？
因为，当我打印张量的形状时，对YTrue和YPred使用tf.shape会显示：
Tensor("loss_19/dense_20_loss/Shape_2:0", shape=(1,), dtype=int32)
以及重量：
options.language = cultureName;
答案 0 :(得分：1)
Keras API已经提供了一种提供权重的机制，例如model.fit函数。来自documentation：
class_weight：：可选的词典，将类索引（整数）映射到权重（浮点）值，用于对损失函数加权（仅在训练过程中）。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。
sample_weight：：训练样本的可选Numpy权重数组，用于加权损失函数（仅在训练过程中）。您可以传递长度与输入样本相同的平坦（1D）Numpy数组（权重和样本之间的1：1映射），或者对于时间数据，可以传递具有形状的2D数组（samples，sequence_length） ），以对每个样本的每个时间步施加不同的权重。在这种情况下，您应该确保在compile（）中指定sample_weight_mode =“ temporal”。
如果每个样本都有权重，则可以将NumPy数组作为sample_weight传递，而无需编写自己的损失函数即可达到相同的效果。