为什么我的 Keras 自定义损失函数不起作用？

Question

我写了一个平方损失函数来对一个热编码数据进行分类

def squared_categorical_loss(y_true, y_pred):
    return K.mean(K.square(1.0 - K.sum(y_true * y_pred, axis=(1)))) 

在给定 numpy 数组示例时有效，例如

y_true = np.asarray([[1,0,0],[0,1,0]])
y_pred = np.asarray([[0.5,0.2,0.3],[0.4,0.6,0]])
squared_categorical_loss(y_true, y_pred)

上面的示例返回一个值为 0.205 的张量，它是 (1-0.5)^2 和 (1-0.6)^2 的平均值，这是期望的结果，并且应该是一个通常相关的可优化损失函数准确，但当我将其应用于 TensorFlow 模型时

model.compile(optimizer='adam',
                  loss=squared_categorical_loss,
                  metrics=['accuracy'])

损失减小到极小的值，而训练准确度保持在 50% 以下，这是不可能的，因为如果准确度不高于 50%，则无法在数学上实现低于 0.125 的损失，那么我的实现有什么问题？ 谢谢！

Answer 1

只有当 y_pred 被归一化（总和等于 1）时才会起作用。

我认为您忘记在模型的最后一层应用 softmax。