keras自定义的损失函数

我是新来Keras框架和我想要实现的 Root Mean Squared Logarithmic Error keras自定义的损失函数

这里的下列损失函数与tensorflow后端我的Keras代码

def loss_function(y_true, y_pred): 
    ones = K.ones(shape=K.shape(y_pred).shape) 
    y_pred = tf.add(y_pred,ones) 
    y_true = tf.add(y_true,ones) 
    val = K.sqrt(K.mean(K.sum(K.log(y_pred)-K.log(y_true)))) 
    return val

但我结束了收到以下错误：

ValueError: Error when checking input: expected dense_1_input to have shape (None, 16) but got array with shape (1312779, 11)

与VAL返回0。

来源

2017-09-23 prodo56

什么是网络代码（特别是输入层）？你的数据的形状是什么？他们匹配吗？每个数据点的属性都很宽，而input_shape =（16，）而不是（11）？ – maz

这个错误与你的损失函数无关。这是关于你的输入数据（训练数据）。你的输入数据'（1312779,11）'的形状不能进入你想要形状像'（任何东西，16）'的模型。 –

谢谢@DanielMöller我进行了修改以匹配模型输入中的数据维度。但是，在每个时代，我的损失为0.0000e + 00。我的损失功能是否正确执行？如果不是我如何去执行？ – prodo56

您的操作顺序相反。由于“log（true）-log（pred）”可以是负数也可以是正数（结果可能比预期的要高一点或低一点），所以平方是必须要做的第一件事情。（广场负责消除负面信号）。

而意思是最后一个（最外部的），因为你首先要计算每个元素的错误，并且只有在这之后你才能得到错误的均值。（平均功能已在其中携带和功能）。

所以：

def loss_function(y_true, y_pred): 

    y_pred = y_pred + 1 
    y_true = y_true + 1 
    return K.mean(K.square(K.log(y_pred)-K.log(y_true)))

请注意，这不携带 “根” 的一部分。如果你想添加的话，我会说，根应该（在画面不同的公式）的平均去之前

我会改用此：

return K.mean(K.sqrt(K.square(K.log(y_pred)-K.log(y_true))))

确保您的模型与激活输出数大于或等于零结束：

RELU是确定
乙状结肠是确定
SOFTMAX是确定

其他的激活可能为负值，将带来错误与日志：

线是不正常
正切是不正常

来源

2017-09-23 22:24:06

谢谢@DanielMöller。它很棒！ – prodo56

好的:) - 请考虑将此标记为正确答案。 –

keras自定义的损失函数

回答

相关问题