Question

我是Keras，神经网络和Python的新手，但我非常渴望学习......我想使用自己的自定义丢失函数，但由于遇到上述障碍我遇到了麻烦：）

这就是我想要完成的事情：

Y_true是一个浮点数，可以是负数也可以是正数
该模型将预测可能也是负面或正面的浮动
我想看看预测可以与Y_true值的符号（+/-）匹配多少次
为此，我将乘以Y_pred和Y_true（如果Y_pred和y_true具有相同的符号，则结果为正，如果它们不同则结果为负）
然后我会计算这个乘法结果中正负值的数量，然后我可以看到预测有多少次相同的符号和相反的次数
最后我会返回比率

首先，我的问题是：这有意义吗？我是否正确y_pred和y_true将具有批量大小的形状？所以对于前者。批号为100，如果100个预测中的60个与y_true符号匹配，那么损失将为0.60？

其次，实际上我还没有代码:)这是伪代码：

def prediction_sign_accuracy(y_true, y_pred):
    y_sign_difference = y_pred * y_true
    pos_count = count number of positive values in y_sign_difference
    neg_count = count number of negative values in y_sign_difference
    if neg_count == 0:
      return a constant zero result
    else:
       return pos_count/neg_count

你能帮我写一下~10行代码吗？ :)这对其他人来说可能是显而易见的，但对我来说是一个巨大的障碍。

非常感谢，祝你有个美好的一天，

陶

Answer 1

为keras编写度量或损失函数时要记住的第一件事是必须使用keras.backend将其编写为张量。

要实现这一目标，首先让我们使用numpy数组“模拟”我们想要做的事情：

import numpy as np
y_true = np.array([1,4,-3,-1])
y_pred = np.array([5,-2,-1,1])
y_sign_difference = y_pred * y_true # this gives array([ 5, -8,  3, -1])
is_positive = np.greater(y_sign_difference, 0.0).astype(float)
# is_positive becomes array([ 1, 0, 1, 0])
pos_count = np.sum(is_positive) # --> 2

，并将np.less用作底片。

现在，我们可以尝试编写该损失函数（恕我直言，这是一个度量标准）。基本上，您要做的就是在正确的位置将np转换为K：

from keras import backend as K
def prediction_sign_accuracy(y_true, y_pred):
    y_sign_difference = y_pred * y_true
    pos_count = K.sum(K.cast(K.greater(y_sign_difference, 0.0), 'float32')
    # etc etc I'm not paid for this ;-)

哦，顺便说一句，如果要测试此功能，则需要相应地提供它，例如：

import numpy as np
y_true = K.constant(np.array([1,4,-3,-1]))
y_pred = K.constant(np.array([5,-2,-1,1]))

K.eval(prediction_sign_accuracy(y_true, y_pred)) # --> 1.0

在Keras中实现自定义丢失功能

1 个答案: