如何忽略 Keras 中的部分输入和输出？答案

【问题标题】：How to ignore part of input and output in Keras?如何忽略 Keras 中的部分输入和输出？
【发布时间】：2019-04-12 11:34:44
【问题描述】：

我正在尝试训练一个将 n 值作为输入并输出 n 值的模型。问题是 n 可以从 1 到 700。所以我构建了一个以 700 作为输入和 700 作为输出的网络。额外的输入和输出设置为零。在训练模型时，我不关心额外的输出是否准确。所以我尝试定义自己的损失函数如下：

def mse_truncate(y_true, y_pred):
    def fn(x):
        return tf.cond(x < 0.01,lambda: 0.0,lambda: 1.0)
    #Ignore the square error if y_true[i] is near zero
    sgn = tf.map_fn(fn,y_true)
    return K.mean(sgn * K.square(y_true-y_pred),axis=-1)

此功能适用于控制台。但是当我编译模型时，我得到一个错误：

model.compile(optimizer='sgd',loss=mse_truncate, metrics=['accuracy'])
ValueError: Shape must be rank 0 but is rank 1 for 'loss_5/dense_2_loss/map/while/cond/Switch' (op: 'Switch') with input shapes: [?], [?].

谁能告诉我这里出了什么问题？或者有没有更好的方法来处理可变长度的输入和输出？

注意：关于这个问题，输入是一个序列（长度

【问题讨论】：

你明白了吗？有同样的问题...

标签： python machine-learning keras conv-neural-network loss-function

【解决方案1】：

您可以使用tf.where 和tf.gather 仅考虑您关心的那些值，例如：

indices = tf.where(tf.greater(y_true, 0.01)) #  or `tf.less`, `tf.equal` etc.
loss = K.mean(K.square(tf.gather(y_true, indices) - tf.gather(y_pred, indices))))

【讨论】：