keras 自定义损失函数答案

【问题标题】：keras custom loss functionkeras 自定义损失函数
【发布时间】：2017-09-24 06:44:01
【问题描述】：

我是 Keras 框架的新手，我想实现以下损失函数 Root Mean Squared Logarithmic Error

这是我的带有 tensorflow 后端的 Keras 代码

def loss_function(y_true, y_pred):
    ones = K.ones(shape=K.shape(y_pred).shape)
    y_pred = tf.add(y_pred,ones)
    y_true = tf.add(y_true,ones)
    val = K.sqrt(K.mean(K.sum(K.log(y_pred)-K.log(y_true))))
    return val

但我最终得到以下错误：

ValueError: Error when checking input: expected dense_1_input to have shape (None, 16) but got array with shape (1312779, 11)

val 返回为 0。

【问题讨论】：

什么是网络代码（特别是输入层）？你的数据是什么形状的？他们匹配吗？您的每个数据点是否有 11 个属性宽且 input_shape=(16,) 而不是 (11) ？
这个错误与你的损失函数无关。它与您的输入数据（训练数据）有关。您的输入数据的形状 (1312779,11) 无法进入您的模型，该模型需要像 (anything, 16) 这样的形状。
谢谢@DanielMöller 我进行了更改以匹配模型输入中数据的维度。但是我在每个时期都会损失 0.0000e+00。我对损失函数的实现是否正确？如果不是，我该如何实施？

标签： python-2.7 machine-learning tensorflow keras

【解决方案1】：

您的操作顺序颠倒了。

由于“log(true) - log(pred)”可以是负数或正数（结果可能比预期的高一点或低一点），所以首先必须发生平方。（正方形负责消除负号）。

平均值是最后一个（最外部的），因为您首先要计算每个元素的误差，然后才能得到误差的平均值。（mean 函数中已经带有 sum 函数）。

所以：

def loss_function(y_true, y_pred):

    y_pred = y_pred + 1
    y_true = y_true + 1
    return K.mean(K.square(K.log(y_pred)-K.log(y_true)))

请注意，这不带有“根”部分。如果要加的话，我会说根应该在均值之前（与图中的公式不同）

我会改用这个：

return K.mean(K.sqrt(K.square(K.log(y_pred)-K.log(y_true))))

确保您的模型以输出大于或等于零的数字的激活结束：

Relu还可以
Sigmoid 没问题
softmax 没问题

其他激活可能有负值，会带来日志错误：

线性不行
tanh 不行

【讨论】：

Ok :) -- 请考虑将其标记为正确答案。