时间戳

首页 > 解决方案 > 在自定义损失 mse 函数中添加 if 条件

python - 在自定义损失 mse 函数中添加 if 条件

问题描述

我正在尝试使用带有 keras 的自定义损失 mse 函数来更加强调 DNN 模型的小价值。

我确实尝试过这样的事情：

import keras.backend as K
def scaled_mse(y_true,y_pred):
    loss = K.square(y_pred - y_true)
    if y_true>0.1:
        loss=loss/K.abs(y_true)
     return loss

我的 ML 模型的输入是 41 值。输出只有 1 个值。

但它返回此错误： OperatorNotAllowedInGraphError: using a tf.Tensoras a Python boolis not allowed in Graph execution. 使用 Eager 执行或使用 @tf.function 修饰此函数。

谢谢你的帮助 ！

标签： pythonkerasmse

解决方案

您的代码的问题是if每个 keras 后端的操作员都不可区分。但是，如果您考虑此操作的差异化，则相当简单；仅当条件评估为 True 时，梯度才取决于一项，如果条件评估为 False，则同样取决于另一项。因此，修复应该很简单。Keras 后端提供了switch()我认为本质上是条件语句的可微分形式的操作。尝试使用它。

switch()接受三个参数：第一个是条件表达式，第二个是张量，如果条件计算为真，则从该张量中获取值，第三个是张量，如果条件计算为假，则从该张量中获取值。所以你的代码可能看起来像这样：

import keras.backend as K
def scaled_mse(y_true,y_pred):

   # both loss and scale loss are size 41

   loss = K.square(y_pred - y_true)
   scaled_loss = loss/K.abs(y_true)

   # first arg (bool expression) will evaluate to a bool tensor of size 41, 
   # which then indicates from which tensor to select the value for each 
   # element of the output tensor

   scale_mse_loss = K.switch((y_true > 0.1),scaled_loss,loss)
   return scale_mse_loss

推荐阅读