我正在处理序列数据(一个热编码序列),并且正在寻找一种方法来编写自定义损失函数,该函数使用基于y_pred和y_true的值字典中的权重,并取决于这些值训练时(因此,我不能在健身时使用恒定重量)。
基本上,对于序列矩阵中每个argmax索引位置,我都可以检索一个字符。 对于每两个字符,我可以获取一个权重。 这些字典如下:
values =
{0: 'A',
1: 'C',
2: 'D',
...}
matrix = array
([[ 4, -1, -2, -2, 0, -1, -1, 0, -2, -1, -1, -1, -1, -2, -1, 1,
0, -3, -2, 0, -2, -1, 0, -4],
[-1, 5, 0, -2, -3, 1, 0, -2, 0, -3, -2, 2, -1, -3, -2, -1,
-1, -3, -2, -3, -1, 0, -1, -4],
[-2, 0, 6, 1, -3, 0, 0, 0, 1, -3, -3, 0, -2, -3, -2, 1,
0, -4, -2, -3, 3, 0, -1, -4],
...]])
我想做这样的事情:
y_true (n,155,20) ---K.argmax(.., axis=2)---> a:(n,155)
y_pred (n,155,20) ---K.argmax(.., axis=2)---> b:(n,155)
for i in range(n):
for j in range(155):
weights[i,j] = matrix[values[a[i,j]], values[b[i,j]]]
想象一下,有一种方法可以通过其他命令获得上述矩阵值。
然后我要像这样使用我的weights
矩阵:
def custom_loss_mse(y_true,y_pred):
w = getWeights(y_true,y_pred)
return K.mean(K.dot(w, K.square(y_pred-y_true)), axis=-1)
到目前为止,我只发现this question有帮助,但并不是很相似。
这很容易,但是由于计算图模型的原因,keras使我更难做。应该有一些快速的方法来做到这一点,但是我没有想法。
由于我对numpy和keras相当陌生,所以我将不胜感激。
答案 0 :(得分:0)
您可以使用tf.gather
来获取特定索引处的张量值。例如,您可以使用以下代码构造a
:
index = K.argmax(y_true, axis=2)
a = tf.diag_part(tf.gather(y_true, index, axis=2)) # shape (n, 155)
我认为不可能从字典中获取值,因为所有计算都必须是符号性的。但是,如果可以使用矩阵而不是字典,则可以使用K.constant
将矩阵转换为张量,然后可以使用与上述相同的方法来获取特定索引处的值,具体取决于输入张量。