在 Keras 中构建自定义损失答案

【问题标题】：Building a custom loss in Keras在 Keras 中构建自定义损失
【发布时间】：2020-05-05 13:38:27
【问题描述】：

我一直在尝试在 Keras 中构建自己的自定义损失并遇到一些错误。

我的需求如下：我想在一个稳定的时间序列上构建一个分类器：它必须决定曲线是上升还是下降趋势，这意味着如果导数为负对于 2 或 3 个时间步，它必须保持“上升”分类，而不是在一小段时间内切换到后代。输入数据是上下文数据，应有助于 NN 检测时间序列方向的当前变化是否可能持续。

为此，我设想构建一个自定义损失函数，该函数会为在参考之上或之下的每次分类更改添加惩罚。

我首先想在预测张量和参考张量上使用 np.where，但我知道浏览论坛这是不可能的，因为损失函数使用占位符张量。我必须留在 keras 后端的功能空间内。

出于这个原因，我使用我在这个论坛上找到的一些代码来构建以下损失函数：

import keras.backend as kb

def roll_reg(x):
    length = kb.int_shape(x)[0]
    x_tile = kb.tile(x, [2, 1])
    x_roll = x_tile[length - 1:-1]
    return kb.sum(kb.abs(x - x_roll))

def custom_loss(y_actual,y_predicted):
    posact=kb.flatten(y_actual)
    pospred=kb.flatten(y_predicted)
    na=roll_reg(posact)
    np=roll_reg(pospred)
    loss_cust=kb.mean(((y_actual-y_predicted)**2)**0.5/(kb.max(y_actual)-kb.min(y_actual)))+abs(na-np)/kb.int_shape(posact)*10
    return loss_cust

但我仍然收到此错误：

ValueError：形状必须为 1 级，但为 2 级 'loss_9/dense_25_loss/Tile'（操作：'Tile'），输入形状：[?]、[2]。

我将其解释为无法在占位符张量上进行操作……而我试图为这些张量使用专用函数。

有人知道我可以做些什么来改进此代码以使我的损失函数运行吗？

关于这个问题的一些更新。我在互联网上找到了这个页面：https://medium.com/@j.ali.hab/on-custom-loss-functions-in-keras-3af88cf59e48 使用 tf.math 库解决了同样的问题。

所以我将代码更新为：

def custom_loss(y_actual,y_predicted):
    na=kb.tf.math.cumsum(y_actual,axis=0)
    np=kb.tf.math.cumsum(y_predicted,axis=0)

    penalty=kb.abs(kb.sum(np-na))/118319#/kb.int_shape(y_actual)[0]
    loss_nico=penalty
    return loss_nico

现在代码正在编译，但我在每个 epoch 的最后得到一个 Nan 作为损失函数。当然，神经网络不会因此而学习任何东西。

有人知道我做错了什么吗？

【问题讨论】：

关于这个问题的一些更新。

标签： python keras loss-function

【解决方案1】：

好的，我终于明白了！

问题出在 kb.abs() 中：不需要它，因为 kb.sum() 返回一个标量。

所以最终有效的代码是：

def custom_loss(y_actual,y_predicted):

    na=kb.tf.math.cumsum(y_actual,axis=0)
    np=kb.tf.math.cumsum(y_predicted,axis=0)
    penalty=abs(kb.sum(na-np))
    loss_nico=kb.sum(((y_actual-y_predicted)))/1000+penalty/1000
    return loss_nico

这编译并使 RN 能够实际学习一些东西。它仍然不完美，因为“非惩罚”部分应该改进但它仍然有效。

【讨论】：