时间戳

首页 > 解决方案 > 多路输出的单路损耗

python - 多路输出的单路损耗

问题描述

我想在 Keras/Tensorflow 中创建一个具有多个输出的神经网络。我想创建一个 SINGLE 损失函数，它考虑所有输出并相应地计算损失。我需要这样做，因为输出是相互关联的。我怎样才能做到这一点？我读到了将所有输出连接到单个密集层，然后计算该层的损失。有没有更方便的方法来实现多个输出的单一损失？

我在想类似的东西：

def my_custom_loss(y_true_0, ..., y_true_n, y_pred_0, ..., y_pred_n):
   return something

y_true_0, ..., y_true_n和y_pred_0, ..., y_pred_n

应该是 n 个输出（密集）层的真实/预测输出。

标签： pythontensorflowkerasloss

解决方案

您可以根据变量的性质实现损失函数。下面给出一些标准的：

如果它们只是数字（而不是概率）：MSE 损失

def my_custom_loss(y_true_0, ..., y_true_n, y_pred_0, ..., y_true_n):
   y_true = tf.stack([y_true_0,...y_true_n], axis=0)
   y_pred = tf.stack([y_pred_0,...y_pred_n], axis=0)
   something = tf.losses.mean_squared_error(y_true, y_pred)
   return something

或绝对差异损失

def my_custom_loss(y_true_0, ..., y_true_n, y_pred_0, ..., y_true_n):
   y_true = tf.stack([y_true_0,...y_true_n], axis=0)
   y_pred = tf.stack([y_pred_0,...y_pred_n], axis=0)
   something = tf.losses.absolute_difference(y_true, y_pred)
   return something

如果它们是一个热向量（有效概率）：

def my_custom_loss(y_true_0, ..., y_true_n, y_pred_0, ..., y_true_n):
   y_true = tf.stack([y_true_0,...y_true_n], axis=0)
   y_pred = tf.stack([y_pred_0,...y_pred_n], axis=0)
   something = tf.reduce_mean(tf.keras.losses.binary_crossentropy(y_true, y_pred))
   return something

如果它们是零和一（无效概率）：

def my_custom_loss(y_true_0, ..., y_true_n, y_pred_0, ..., y_true_n):
   y_true = tf.stack([y_true_0,...y_true_n], axis=0)
   y_pred = tf.stack([y_pred_0,...y_pred_n], axis=0)
   something = tf.reduce_mean(tf.keras.losses.binary_crossentropy(y_true, y_pred), from_logits=True)
   return something

它不仅限于这些。你可以创建自己的损失函数，只要它是可微的。

推荐阅读