Question

我想使用自己的binary_crossentropy而不是使用Keras库附带的那个。这是我的自定义功能：

    import theano
    from keras import backend as K

    def elementwise_multiply(a, b): # a and b are tensors
       c = a * b
       return theano.function([a, b], c)

    def custom_objective(y_true, y_pred):  
       first_log = K.log(y_pred)
       first_log = elementwise_multiply(first_log, y_true)
       second_log = K.log(1 - y_pred)
       second_log = elementwise_multiply(second_log, (1 - y_true))
       result = second_log + first_log
       return K.mean(result, axis=-1)

注意：这是为了练习。我知道 T.nnet.binary_crossentropy（y_pred，y_true）

但是，当我编译模型时：

sgd = SGD(lr=0.001)
model.compile(loss = custom_objective, optimizer = sgd)

我收到此错误：

----------------------------------------------- ---------------------------- TypeError Traceback（最近一次调用   最后）in（）        36        37 sgd = SGD（lr = 0.001）   ---＆GT; 38 model.compile（loss = custom_objective，optimizer = sgd）        39＃==============================================

C：\ Program Files（x86）\ Anaconda3 \ lib \ site-packages \ keras \ models.py in   编译（self，optimizer，loss，class_mode）       418否则：       419 mask =无    - ＆GT; 420 train_loss = weighted_loss（self.y，self.y_train，self.weights，mask）       421 test_loss = weighted_loss（self.y，self.y_test，self.weights，mask）       422

C：\ Program Files（x86）\ Anaconda3 \ lib \ site-packages \ keras \ models.py in   加权（y_true，y_pred，权重，掩码）        80'''        81＃score_array有ndim＆gt; = 2   ---＆GT; 82 score_array = fn（y_true，y_pred）        83如果面具不是无：        84＃mask应该与score_array具有相同的形状
     custom_objective中的
（y_true，y_pred）        11 second_log = K.log（1 - K.clip（y_true，K.epsilon（），np.inf））        12 second_log = elementwise_multiply（second_log，（1-y_true））   ---＆GT; 13 result = second_log + first_log        14 #result = np.multiply（result，y_pred）        15返回K.mean（结果，轴= -1）

TypeError：+：'Function'和不支持的操作数类型   '功能'

当我用内联函数替换elementwise_multiply时：

def custom_objective(y_true, y_pred):  
    first_log = K.log(y_pred)    
    first_log = first_log * y_true
    second_log = K.log(1 - y_pred)
    second_log = second_log * (1-y_true)
    result = second_log + first_log
    return K.mean(result, axis=-1)

模型编译但损失值 nan ：

大纪元1/1 945/945 [==============================] - 62s - 损失：nan - acc：0.0011 - val_loss：nan - val_acc：0.0000e + 00

有人可以帮我这个吗？！

由于

Answer 1

我发现了问题。我不得不将返回值乘以“-1”，因为我使用随机梯度下降（sgd）作为优化器而不是随机梯度上升！

这是代码，它就像一个魅力：

import theano
from keras import backend as K

def custom_objective(y_true, y_pred):  
    first_log = K.log(y_pred)    
    first_log = first_log * y_true
    second_log = K.log(1 - y_pred)
    second_log = second_log * (1 - y_true)
    result = second_log + first_log
    return (-1 * K.mean(result))

在使用theano函数的keras中自定义损失函数

1 个答案: