Tensorflow/Keras 自定义损失函数

Question

我想在 keras 中创建一个自定义损失函数。

假设我有 yTrue 和 yPred，它们是真实标签和预测标签的张量 (n x m)。

我们将每个样本 n（即 yTrue 和 yPred 中的每一行）称为 yT 和 yP。 然后我想要一个在 yT[0] == 1 时计算 (yT-yP)^2 的损失函数，否则它将计算 (yT[0]-yP[0])^2。

也就是说：对于每个样本，我总是想计算第一个元素的平方误差 - 但我只想在真实标签的第一个元素 == 1 时计算其他元素的平方误差。

如何在自定义损失函数中做到这一点？

这是我目前得到的：

我需要用张量操作来做到这一点。 首先我可以计算

Y = (yTrue - yPred)^2

然后我可以定义一个掩码矩阵，其中第一列始终为 1，其他为 1，具体取决于 yTrue 的每一行的第一个元素的值。 所以我可以得到类似的东西

1 0 0 0 0 
1 0 0 0 0
1 1 1 1 1
1 1 1 1 1 
1 0 0 0 0 

然后我可以将这个矩阵与 Y 相乘，得到我想要的。

但是，如何生成屏蔽矩阵？特别是在tensorflow/keras中“如果行的第一个元素是1”这个条件怎么办？

也许有更好的方法来做到这一点？ 谢谢

Answer 1

您可以在后端使用条件开关K.switch。大致如下：

mse = K.mean(K.square(y_pred - y_true), axis=-1) # standard mse
msep = K.square(y_pred[:,0] - y_true[:,0])
return K.switch(K.equals(y_true[:,0], 1), mse, msep)

编辑以处理每个样本条件。