Question

我的目标是时间序列，我正在寻找一个代价函数，该函数会惩罚预测的变化，因此对于 N 的批量大小和具有 k 的模型输出，在损失函数 y_pred 中将为 N x k

所以我正在寻找一种在损失函数中引入惩罚的方法：

K.sum(K.abs(np.diff(y_pred)) * alpha)

其中 alpha 是自定义输入 1 x k 每个目标每次更改的费用。我正在寻找一种与np.diff进行这种Keras.backend的方式，这可能吗？也许有一种方法可以将这些张量转换为np.arrays，我所有的恶作剧都可以转化为张量吗？

Answer 1

您可以尝试以下方法：

y_pred[:,1:] - y_pred[:,:-1]

它与numpy的{{1}}等效，轴= 1，并且在损失函数中有效。