Question

我正在喀拉拉邦设计一个用于分类任务的神经网络。我的标签是平面上的点，其位置（x，y）是已知的。我希望keras的损失函数取决于预测点与实际点之间的距离-预测越远，损失就越大。

我已经实现了这个自定义损失函数，该函数将目标之间的距离矩阵作为输入。但是，它在切片distance_matrix numpy数组时崩溃。

def custom_loss(distance_matrix):
    def loss(y_true, y_pred):
        return distance_matrix[tf.keras.backend.argmax(y_true, axis=-1),
                               tf.keras.backend.argmax(y_pred, axis=-1)]
    return loss

我的想法是将损失值设置为距离矩阵的[pred，true]元素，其中pred是预测类，因此预测类概率y_pred的argmax。

是否可以将张量tf.keras.backend.argmax(y_true, axis=-1)转换为numpy数组以启用切片，或者是否可以使用张量进行切片？

我尝试了这个线程的想法，但没有成功： How can I convert a tensor into a numpy array in TensorFlow?

如何在Keras的自定义损失函数中切片数组

0 个答案: