keras自定義的損失函數

我是新來Keras框架和我想要實現的 Root Mean Squared Logarithmic Error keras自定義的損失函數

這裏的下列損失函數與tensorflow後端我的Keras代碼

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

但我結束了收到以下錯誤：

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

與VAL返回0。

來源

2017-09-23 prodo56

什麼是網絡代碼（特別是輸入層）？你的數據的形狀是什麼？他們匹配嗎？每個數據點的屬性都很寬，而input_shape =（16，）而不是（11）？ – maz

這個錯誤與你的損失函數無關。這是關於你的輸入數據（訓練數據）。你的輸入數據'（1312779,11）'的形狀不能進入你想要形狀像'（任何東西，16）'的模型。 –

謝謝@DanielMöller我進行了修改以匹配模型輸入中的數據維度。但是，在每個時代，我的損失爲0.0000e + 00。我的損失功能是否正確執行？如果不是我如何去執行？ – prodo56

您的操作順序相反。由於「log（true）-log（pred）」可以是負數也可以是正數（結果可能比預期的要高一點或低一點），所以平方是必須要做的第一件事情。（廣場負責消除負面信號）。

而意思是最後一個（最外部的），因爲你首先要計算每個元素的錯誤，並且只有在這之後你才能得到錯誤的均值。（平均功能已在其中攜帶和功能）。

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)))

請注意，這不攜帶「根」的一部分。如果你想添加的話，我會說，根應該（在畫面不同的公式）的平均去之前

我會改用此：

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

確保您的模型與激活輸出數大於或等於零結束：

RELU是確定
乙狀結腸是確定
SOFTMAX是確定

其他的激活可能爲負值，將帶來錯誤與日誌：

線是不正常
正切是不正常

來源

2017-09-23 22:24:06

謝謝@DanielMöller。它很棒！ – prodo56

好的:) - 請考慮將此標記爲正確答案。 –

keras自定義的損失函數

回答

相關問題