如何在 Tensorflow 中使用逐个事件的权重？答案

【问题标题】：How to use event-by-event weights in Tensorflow?如何在 Tensorflow 中使用逐个事件的权重？
【发布时间】：2016-02-22 11:40:13
【问题描述】：

在我的数据集中，每个条目（事件）都有一个权重。这个权重由几个量组成，但基本上代表了这个事件对数据的重要性，必须加以考虑。

在 Tensorflow 中训练时如何使用此权重？我不想简单地将其用作另一个功能。

谢谢

【问题讨论】：

这个其实很具体，给出一个问题，我想了解如何使用有问题的库。

标签： python machine-learning neural-network tensorflow deep-learning

【解决方案1】：

一个简单的解决方案是在计算小批量的总成本之前，将每个示例的计算成本乘以其权重。

假设您有以下内容：

# Vector of features per example.
x = tf.placeholder(tf.float32, shape=[batch_size, num_features])

# Scalar weight per example.
x_weights = tf.placeholder(tf.float32, shape=[batch_size])

# Vector of outputs per example.
y = tf.placeholder(tf.float32, shape=[batch_size, num_outputs])

# ...
logits = ...

# Insert appropriate cost function here.
cost = tf.nn.softmax_cross_entropy_with_logits(logits, y)

计算出的cost张量是一个长度为batch_size的向量。您可以简单地使用 x_weights 执行逐元素乘法以获得加权成本。

overall_cost = tf.mul(cost, x_weights) / batch_size

最后，您可以使用overall_cost 作为在您的optimizer 中最小化的值。

【讨论】：