Question

我正在尝试使用泊松无标度偏差作为我的神经网络的损失函数，但是有一个主要的流程：y_true可以（并且经常会）使用值0。

对于Poisson案例，未缩放的偏差是这样的：

如果y_true = 0，则loss = 2 * d * y_pred

如果y_true > 0，则loss = 2 * d *y_pred * (y_true * log(y_true)-y_true * log(y_pred)-y_true+y_pred

请注意，一旦计算出log(0)，损失就变成了-inf，所以我的目标是防止这种情况发生。

我尝试使用switch函数解决此问题，但这是窍门：如果我有值log(0)，我不想用0（用K.zeros()代替），因为自y_true = 1起，它将考虑使用log(1) = 0 。因此，在这种情况下，我想尝试使用较大的负值（例如-10000），但由于K.variable(-10000)给出了错误，我不知道该怎么做：

ValueError: Rank of `condition` should be less than or equal to rank of `then_expression` and `else_expression`. ndim(condition)=1, ndim(then_expression)=0

使用K.zeros_like(y_true)代替K.variable(-10000)可以解决keras，但是从数学上讲是不正确的，因此，优化无法正常进行。

我想知道如何在switch功能中用大的负值替换日志。这是我的尝试：

def custom_loss3(data, y_pred):
    y_true = data[:, 0]
    d = data[:, 1]
    # condition
    loss_value = KB.switch(KB.less_equal(y_true, 0),
                           2 * d * y_pred, 2 * d * (y_true * KB.switch(KB.less_equal(y_true, 0),
                           KB.variable(-10000), KB.log(y_true)) - y_true * KB.switch(KB.less_equal(y_pred, 0.), KB.variable(-10000), KB.log(y_pred)) - y_true + y_pred))
    return loss_value

Keras替换自定义损失函数中的log（0）

0 个答案: