Question

我正在尝试在Keras中编写自定义的加权二进制交叉熵损失函数。但是，当我使用自定义损失函数编译模型时，损失和准确性均下降。通常，当我使用普通BCE训练模型时，精度约为90％，但是当我使用自定义损失函数时，精度会降至3-10％。这是我的自定义损失函数：

def weighted_crossentropy_core(y_true, y_pred, pos_weight, neg_weight):

    wcel = K.binary_crossentropy(y_true, y_pred)
    weight = y_true * pos_weight + (1.0 - y_true) * neg_weight
    wcel = K.mean(weight * cel)

    return wcel

def weighted_crossentropy_wrapper(pos_weight=1, neg_weight=1):
    def weighted_crossentropy_return(y_true, y_pred):
        return weighted_crossentropy_core(y_true, y_pred, pos_weight, neg_weight)
    return weighted_crossentropy_return

wcel = weighted_crossentropy_wrapper()
model.compile(Adam(init_lr), loss=wcel, metrics=["accuracy"])

最奇怪的是，当我包装tf.keras.losses.binary_crossentropy损失函数，然后发送包装器时（与keras的bce损失基本相同），所产生的损失与我完全不同在没有包装的情况下通过keras bce时得到的！这是我包装bce的方法：

def wrapped_bce(y_true, y_pred):

    bce = tf.keras.losses.binary_crossentropy(y_true, y_pred)

    return bce

wcel = wrapped_bce()
model.compile(Adam(init_lr), loss=wcel, metrics=["accuracy"])

包裹损失函数的方式有什么问题吗？预先感谢！

Answer 1

要在第二个示例中弥补损失，应使用wcel = wrapped_bce（不带括号）。

第一个示例中的内容相同，但是您的函数weighted_crossentropy_wrapper是另一个包装器的包装器，并且省略了y_true和y_pred，这对我来说有点奇怪。

Keras自定义损失函数产生奇怪的结果

1 个答案: