Question

我正在构建一个自动编码器，我的数据中包含NaN值。如何创建自定义（MSE）损失函数，该函数在验证数据中遇到NaN时不计算损失？

从网络上获得提示：

def nan_mse(y_actual, y_predicted):
    per_instance = tf.where(tf.is_nan(y_actual),
                            tf.zeros_like(y_actual),
                            tf.square(tf.subtract(y_predicted, y_actual)))
    return tf.reduce_mean(per_instance, axis=0)

但是会损失NaN：

历次1/50 -25s-损失：nan

在每个时期之后，当我尝试在回调函数中使用自定义损失函数时：

predictions = autoencoder.predict(x_pred)
mae = (nan_mse(x_pred, predictions))

TypeError：“选择”操作的输入“ e”具有类型float32，与参数“ t”的类型float64不匹配。

Answer 1

我猜，您的损失函数实际上运行良好。 nan值可能来自预测。因此，条件tf.is_nan(y_actual)不会将其过滤掉。要过滤出预测的nan，您应该执行以下操作：

import tensorflow.compat.v1 as tf
from tensorflow.compat.v1.keras import backend as K
import numpy as np


def nan_mse(y_actual, y_predicted):
    stack = tf.stack((tf.is_nan(y_actual), 
                      tf.is_nan(y_predicted)),
                     axis=1)
    is_nans = K.any(stack, axis=1)
    per_instance = tf.where(is_nans,
                            tf.zeros_like(y_actual),
                            tf.square(tf.subtract(y_predicted, y_actual)))
    print(per_instance)
    return tf.reduce_mean(per_instance, axis=0)

print(nan_mse([1.,1.,np.nan,1.,0.], [1.,1.,0.,0.,np.nan]))

退出：

tf.Tensor(0.2, shape=(), dtype=float32)

自定义损失功能，跳过NaN输入

1 个答案: