张量比较和操作答案

【问题标题】：Tensor Comparison and Manipulation张量比较和操作
【发布时间】：2021-06-14 19:40:35
【问题描述】：

我正在尝试在 Keras 中编写自定义损失函数。我有y_pred 和y_true。两者都是张量，值可以是0 或1。因此，例如，y_true 是：

[0,1,0,1]

而y_pred 是：

[1,1,0,0].

我正在尝试比较这两个张量以输出以下内容：

[-0.7, 2.5, 0.025, -0.1]

逻辑是这样的：

y_true	y_pred	result
0	1	-0.7
1	1	2.5
0	0	0.025
1	0	-0.1

我不确定使用各种 tensorflow 操作来实现这一目标的最佳方式。我的损失函数将采用 logits，所以我正在尝试这样做：

def roi_loss_fn(y_true, y_pred):
  print("Y_TRUE-----")
  print(y_true)
  print("Y_PRED-----")
  print(y_pred)

  softmax = tf.nn.softmax(y_pred)
  print("SOFTMAX-----")
  print(softmax)

  #iterate or manipulate tensors to compare boolean values according to the table

编辑：

这是我当前的损失函数，但它抛出错误：ValueError: No gradients provided for any variable。

def roi_loss_fn(y_true, y_pred):

  y_pred = tf.argmax(y_pred, axis=1)
  tf.reshape(y_pred, tf.shape(y_true))

  t_equal = tf.equal(y_true, y_pred)
  t_loss = tf.Variable(tf.zeros_like(y_true, dtype=tf.float32))

  idx = 0
  for x1 in t_equal:
    if x1 == True:
      # Value is either "successful investment" (e.g., 2.5) or "successfully passed" (e.g., 0.025)
      if y_true[idx] == 0:
        t_loss[idx].assign(2.5)
      else:
        t_loss[idx].assign(0.025)
    else:
      # Value is either "bad investment" (e.g., -0.7) or "missed investment" (e.g., -1.4)
      if y_true[idx] == 0:
        t_loss[idx].assign(-0.7)
      else:
        t_loss[idx].assign(-1.4)
    idx += 1
  
  return t_loss

【问题讨论】：

我最终选择了以下方法，但不确定这是否是最好的方法：``` for idx, x1 in enumerate(t_equal): if x1 == True: # Value is either "successful投资”（例如，2.5）或“成功通过”（例如，0.025） if t1[idx] == 0: t_new[idx].assign(2.5) else: t_new[idx].assign(0.025) else: # Value如果 t1[idx] == 0: t_new[idx].assign(-0.7) else: t_new[idx].assign (-1.4) ```
损失函数的负值不是一个好主意。如果一个大的负值加上一个大的正值损失总和为零，那可能会停止训练。
谢谢@TouYou。我可以编辑这些参数，所以它不是负面的。话虽如此，我只是想让损失函数首先工作。目前它正在抛出错误，所以我无法在我的模型上运行 fit 函数。

标签： python tensorflow machine-learning keras tf.keras

【解决方案1】：

一种解决方案是使用np.where() 进行比较和分配。

让我们以你所说的y_true和y_pred为例：

y_true = tf.constant([0,1,0,1])
y_pred = tf.constant([1,1,0,0])

然后，为了比较它们并分配所需的值，损失函数可能是这样的：

def roi_loss_fn(y_true, y_pred):  
   c = tf.zeros(y_pred.shape)
   c = np.where(y_true<y_pred, -0.7, c)
   c = np.where(y_true>y_pred, -0.1, c)
   c = np.where(y_true+y_pred==2, 2.5, c)
   c = np.where(y_true+y_pred==0, 0.025, c)
   return c

【讨论】：