如何在Keras中實現稀疏均方誤差損失

Question

我想修改以下keras均方誤差損失（MSE），以便只計算稀疏損失。

def mean_squared_error(y_true, y_pred): return K.mean(K.square(y_pred - y_true), axis=-1)

我的輸出y是一個3通道圖像，其中，所述第三信道是非零在只有那些損失要計算的像素。任何想法如何修改上述計算稀疏損失？

Answer 1

這不是你正在尋找確切的損失，但我希望它會給你一個提示，寫你的函數：

def masked_mse(mask_value): 
    def f(y_true, y_pred): 
     mask_true = K.cast(K.not_equal(y_true, mask_value), K.floatx()) 
     masked_squared_error = K.square(mask_true * (y_true - y_pred)) 
     masked_mse = (K.sum(masked_squared_error, axis=-1)/
         K.sum(mask_true, axis=-1)) 
     return masked_mse 
    f.__name__ = 'Masked MSE (mask_value={})'.format(mask_value) 
    return f 

的函數計算在預測輸出的所有值的MSE損失，除了那些在真實輸出中的相應值等於掩蔽值（例如-1）的元素。

有兩點需要注意： - 計算平均值的分母必須是非屏蔽值的數量，而不是陣列的 尺寸時，這就是爲什麼我不使用K.mean(masked_squared_error, axis=1)，我 而不是手動平均。 - 掩碼值必須是有效的數字（即np.nan或np.inf不會執行此作業），這意味着您必須調整數據以使其不包含mask_value。

在此示例中，目標輸出始終爲[1, 1, 1, 1]，但某些預測值會逐漸被屏蔽。

y_pred = K.constant([[ 1, 1, 1, 1], 
        [ 1, 1, 1, 3], 
        [ 1, 1, 1, 3], 
        [ 1, 1, 1, 3], 
        [ 1, 1, 1, 3], 
        [ 1, 1, 1, 3]]) 
y_true = K.constant([[ 1, 1, 1, 1], 
        [ 1, 1, 1, 1], 
        [-1, 1, 1, 1], 
        [-1,-1, 1, 1], 
        [-1,-1,-1, 1], 
        [-1,-1,-1,-1]]) 

true = K.eval(y_true) 
pred = K.eval(y_pred) 
loss = K.eval(masked_mse(-1)(y_true, y_pred)) 

for i in range(true.shape[0]): 
    print(true[i], pred[i], loss[i], sep='\t') 

預期輸出是：

[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] 0.0 
[ 1. 1. 1. 1.] [ 1. 1. 1. 3.] 1.0 
[-1. 1. 1. 1.] [ 1. 1. 1. 3.] 1.33333 
[-1. -1. 1. 1.] [ 1. 1. 1. 3.] 2.0 
[-1. -1. -1. 1.] [ 1. 1. 1. 3.] 4.0 
[-1. -1. -1. -1.] [ 1. 1. 1. 3.] nan