用於360度預測的keras損失函數

我正試圖使用keras/tensorflow來預測方位角。 y_true的範圍從0到359，但我需要一個處理預測的丟失函數，這個預測已經在這個範圍之外了。不幸的是，當我嘗試任何類型的模塊劃分tf.mod()或%的，我得到一個錯誤......用於360度預測的keras損失函數

LookupError: No gradient defined for operation 'FloorMod' (op type: FloorMod)

，所以我想我已經解決這個曾與以下...

def mean_squared_error_360(y_true, y_pred): 
    delta = K.minimum(K.minimum(K.abs(y_pred - y_true), 
           K.abs(y_pred - (360+y_true))), 
           K.abs(y_true - (360+y_pred))) 
    return K.mean(K.square(delta), axis=-1) 

def rmse_360(y_true, y_pred): 
    return K.sqrt(mean_squared_error_360(y_true, y_pred)) 


model.compile(loss=mean_squared_error_360, 
       optimizer=rmsprop(lr=0.0001), 
       metrics=[rmse_360])

這處理以下邊緣情況...我沒有遇到預測< 0，所以我沒有解決。

y = 1 y_pred = 361 err = 0 
y = 359 y_pred = 1 err = 2 
y = 359 y_pred = 361 err = 2

問題

這種感覺笨重;有更聰明的解決方案嗎？
直覺上，我認爲使用mean_squared_error和root_mean_squared_error作爲損失的結果沒有區別......梯度將會不同，但相同的最優權重會解決這兩個問題，對嗎？有沒有理由選擇一個呢？我猜測mse比rmse稍微簡單一些，但這應該是微不足道的。我已經嘗試了兩種方法，並且使用rmse'覺得'比'mse'更像一種更有秩序的下降...是否有關於那些平方誤差的大小會讓它跳得更多？

在此先感謝。

編輯

不管是什麼原因？我原來的MSE似乎擬合訓練集，但驗證集似乎很嘈雜的時代到時代，沒有幾個時期之後的任何真正的改善。 rmse看起來像是一個更有秩序的下降......直到經過幾十個時代的改進之後，損失才進入inf。我可能會有比虧損功能更大的問題。

EDIT 2 - 加入我的實現@Patwie回答以下

啊... TRIG！當然！！不幸的是，我使用tf v1.0，它似乎沒有tf.atan2（）。奇怪的是，我無法在tf repository中找到atan2實現，但我認爲asos-ben在問題6095中的建議確實有用。在這裏看到：https://github.com/tensorflow/tensorflow/issues/6095在試運行

def atan2(x, y, epsilon=1.0e-12): 
    x = tf.where(tf.equal(x, 0.0), x+epsilon, x) 
    y = tf.where(tf.equal(y, 0.0), y+epsilon, y)  
    angle = tf.where(tf.greater(x,0.0), tf.atan(y/x), tf.zeros_like(x)) 
    angle = tf.where(tf.logical_and(tf.less(x,0.0), tf.greater_equal(y,0.0)), tf.atan(y/x) + np.pi, angle) 
    angle = tf.where(tf.logical_and(tf.less(x,0.0), tf.less(y,0.0)), tf.atan(y/x) - np.pi, angle) 
    angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.greater(y,0.0)), 0.5*np.pi * tf.ones_like(x), angle) 
    angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.less(y,0.0)), -0.5*np.pi * tf.ones_like(x), angle) 
    angle = tf.where(tf.logical_and(tf.equal(x,0.0), tf.equal(y,0.0)), tf.zeros_like(x), angle) 
    return angle 

# y in radians 
def rmse_360_2(y_true, y_pred): 
    return K.mean(K.abs(atan2(K.sin(y_true - y_pred), K.cos(y_true - y_pred))))

只有約7時代，但它似乎有希望的。

來源

2017-09-22 kmh

有沒有一個特定的角度，可能性很小，甚至無效？如果是這樣，你可以將這個角度置爲零。 –

將我的評論轉換爲答案。給定兩個角的（GT），B（預測）作爲弧度你通過

tf.atan2(tf.sin(a - b), tf.cos(a - b))

得到的角度差由定義tf.atan2在間隔-45，45度自動給出的差。

因此，您可以使用

tf.reduce_mean(tf.abs(tf.atan2(tf.sin(a - b), tf.cos(a - b))))

我覺得Keras理解這個TensorFlow代碼。

來源

2017-09-22 05:16:29 Patwie

用於360度預測的keras損失函數

回答

相關問題