我想实现一个不对称的损失函数，比如这里引用的
在 TensorFlow 中。
我目前正在使用均方误差损失函数：
mse = tf.reduce_mean(tf.squared_difference(out,Y))
我想替换的 mse = tf.reduce_mean(asymetric_squared_difference(out,Y,alpha))
我查看了 tf.squared_difference 的定义位置，发现https://www.tensorflow.org/api_docs/python/tf/squared_difference 其中说 tensorflow/python/ops/gen_math_ops.py
编辑： 经过大量挖掘之后，从 ops.math_grad 第 999 行到第 1012 行调用 SquaredDifference。但它有很多额外的梯度功能，我不知道如何复制。
如何最好地添加此功能？
【问题讨论】：
标签： python tensorflow loss-function
您是想实现自己的，还是只使用任何非对称函数（应该能够用作损失函数，因为“损失”函数只是用于控制的函数的标签损失）
这里的大部分功能是不对称的，应该是兼容的。
在顶部，你可以使用
tf.zeta(x,q)
代替
tf.squared_difference(x,y)
用非对称损失函数 (tf.zeta) 替换对称损失函数 (tf.squared_difference)。
如果您仍想实现损失函数，那么您必须在两个 Tensors 上定义操作（同时还要观察我遗漏的未列出的 name 函数参数）并返回结果， just like tf.zeta does.
此外，您应该查看符合您需求的"Forecasting unemployment rate. . ." paper，如your link to the "Cross validated" stack exchange post that sent you on your journey 中突出显示的那样：) 它包含非对称损失函数所需的基本表达式的方程，这是我用来搜索的@ TensorFlow 文档中的 987654330@ "Basic Math Functions"。
但我可能完全错了。我不知道。我不使用 TensorFlow。 . .然而。
【讨论】：