Keras损失函数：如何舍入？

Question

我正在尝试识别顺序中的转折点，在这些转折点之后，某些过程的行为会有所不同。我使用keras模型来做到这一点。输入是序列（总是相同的长度），输出应该在转折点之前为0，在转折点之后为1。

我希望损失函数取决于实际转折点与预测转折点之间的距离。

我尝试四舍五入（获得标签0或1），然后求和1的总数，以得出转折点的“索引”。这里假设模型只给出一个转折点，因为数据（综合生成）也只有一个转折点。尝试过的是：

def dist_loss(yTrue,yPred):
    turningPointTrue = K.sum(yTrue) 
    turningPointPred = K.sum(K.round(yPred))
    return K.abs(turningPointTrue-turningPointPred)

这不起作用，给出以下错误：

  

ValueError：操作具有None用于渐变。请确定   您所有的操作都定义了渐变（即   可区分的）。不带渐变的常见操作：K.argmax，K.round，   埃瓦尔。

我认为这意味着K.round（yPred）给出奇异值，而不是矢量/张量。有人知道如何解决这个问题吗？

Answer 1

round操作没有定义的梯度，因此完全不能在损失函数中使用，因为对于神经网络的训练，必须计算损失相对于权重的梯度，并且这意味着网络的所有部分和损耗必须是可微的（或者必须有可微的近似）。

在您的情况下，您应该尝试找到可微分的近似值，但是不幸的是，我不知道是否有一个近似值。这种近似的一个例子是softmax函数，即max函数的近似。