如何使用 keras 编写具有多个条件的条件？答案

【问题标题】：How to write a conditional with many conditions using keras?如何使用 keras 编写具有多个条件的条件？
【发布时间】：2021-04-11 16:52:20
【问题描述】：

我有以下自定义损失：

def Loss(y_true,y_pred):
    y_pred = relu(y_pred)
    z = k.maximum(y_true, y_pred)
    y_pred_negativo = Lambda(lambda x: -x)(y_pred)
    w = k.abs(add([y_true, y_pred_negativo])) 
    if k.sum(z) == 0.0:
        erro = 0.0
    elif k.sum(y_true) == 0.0 and k.sum(z) != 0:
        erro = 100
    else:
        erro = (k.sum(w)/k.sum(z))*100.0
    return erro

但是，如您所见，我将 numpy 与条件张量混合在一起。因此，我必须将这个条件写成张量格式。

if k.sum(z) == 0.0:
    erro = 0.0
elif k.sum(y_true) == 0.0 and k.sum(z) != 0:
    erro = 100
else:
    erro = (k.sum(w)/k.sum(z))*100.0

我知道如何为if else 格式做到这一点，但对于这么多条件却不知道。谢谢！

【问题讨论】：

标签： if-statement keras conditional-statements tensor

【解决方案1】：

这是我自己对 keras 条件语句的定义。

def energia_perdida_tensorial(y_true,y_pred):
    y_pred = relu(y_pred)
    z = k.maximum(y_true, y_pred)
    y_pred_negativo = Lambda(lambda x: -x)(y_pred)
    w = k.abs(add([y_true, y_pred_negativo])) 
    erro = k.switch(k.equal(k.sum(z), 0.0), lambda: 0.0, lambda: (k.sum(w)/k.sum(z))*100.0)
    erro = k.switch(k.all([k.equal(k.sum(y_true), 0), k.greater(k.sum(z), 0)], axis=0), lambda: 100.0, lambda: erro)
    return erro

如果有任何错误或更优雅的定义方式，请做出贡献。

【讨论】：