在 keras 模型中最大化二进制交叉熵答案

【问题标题】：maximizing binary cross_entropy in a keras model在 keras 模型中最大化二进制交叉熵
【发布时间】：2020-04-09 22:51:15
【问题描述】：

我不知道在 keras 模型中创建一个最大化二元 cross_entropy 损失的模型。

研究：

1.https://intellipaat.com/community/17707/how-to-maximize-loss-function-in-keras 说：

只需将损失乘以 -1 即可最大化损失函数，同时尝试使其最小化：

new_loss = -loss

但使用：

model.compile(loss=-1 * 'binary_crossentropy', optimizer=adam_optimizer())

导致这个错误：

ValueError: The model cannot be compiled because it has no loss to optimize.

https://stats.stackexchange.com/questions/303229/why-does-keras-binary-crossentropy-loss-function-return-wrong-values

给了我一个近似于 keras binary_crossentropy 损失的自定义函数：

import keras.backend as K
def binary_crossentropy(y_true, y_pred):
    result = []
    for i in range(len(y_pred)):
        y_pred[i] = [max(min(x, 1 - K.epsilon()), K.epsilon()) for x in y_pred[i]]
        result.append(-np.mean([y_true[i][j] * math.log(y_pred[i][j]) + (1 - y_true[i][j]) * math.log(1 - y_pred[i][j]) for j in range(len(y_pred[i]))]))
    return np.mean(result)

但我不能使用它，因为它会导致错误：

len is not well defined for symbolic Tensors. (43_54/Sigmoid:0) Please call `x.shape` rather than `len(x)` for shape information.

当我用.shape[0]替换len时

我得到另一个错误：

__index__ returned non-int (type NoneType)

我用其他几种方式修改了语法，但似乎没有任何效果。有什么想法吗？

python 3.6

张量流 1.15

keras 2.3.1

【问题讨论】：

尝试使用 model.compile(optimizer='adam', loss=-1 *tf.keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])

标签： tensorflow keras deep-learning

【解决方案1】：

您只需要根据 keras 实现定义一个新的损失：

def neg_binary_crossentropy(y_true, y_pred):
    return -1.0 * keras.losses.binary_crossentropy(y_true, y_pred)

然后在model.compile中使用：

model.compile(loss=neg_binary_crossentropy, optimizer="adam")

【讨论】：