我是 Keras、神经网络和 Python 的新手,但我非常渴望学习......我想使用我自己的自定义损失函数,但由于存在上述障碍,我遇到了麻烦:)
这就是我想要完成的:
- Y_true 是一个 float ,可以是负数也可以是正数
- 该模型将预测一个可以为正也可以为负的 float
- 我想看看预测能与 Y_true 值的符号 (+/-) 匹配多少次
- 为此,我将 Y_pred 和 Y_true 相乘(如果 Y_pred 和 y_true 具有相同的符号,则结果为正,如果它们不同,则结果为负)
- 然后我会计算这个乘法结果中正值和负值的数量,这样我就可以看到预测有多少次符号相同,有多少次相反
- 最后我会返回比例
首先,我的问题是:这有意义吗?我是否正确认为 y_pred 和 y_true 将具有批量大小的形状?所以对于前。批号为 100,如果 100 个预测中有 60 个与 y_true 符号匹配,那么损失将为 0.60?
其次,其实我还没有代码:) 这是伪代码:
def prediction_sign_accuracy(y_true, y_pred):
y_sign_difference = y_pred * y_true
pos_count = count number of positive values in y_sign_difference
neg_count = count number of negative values in y_sign_difference
if neg_count == 0:
return a constant zero result
else:
return pos_count/neg_count
你能帮我写这 ~10 行代码吗? :) 这对其他人来说可能是显而易见的,但对我来说却是一个巨大的障碍。
提前致谢,祝您有愉快的一天,
塔玛斯
请您参考如下方法:
当您为 keras 编写度量或损失函数时,首先要记住的是必须使用 keras.backend 将其编写为张量。
为了实现这一点,让我们首先使用 numpy 数组“模拟”我们想要做的事情:
import numpy as np
y_true = np.array([1,4,-3,-1])
y_pred = np.array([5,-2,-1,1])
y_sign_difference = y_pred * y_true # this gives array([ 5, -8, 3, -1])
is_positive = np.greater(y_sign_difference, 0.0).astype(float)
# is_positive becomes array([ 1, 0, 1, 0])
pos_count = np.sum(is_positive) # --> 2
并使用 np.less 作为底片。
现在我们可以尝试编写损失函数(恕我直言,这是一个度量标准)。基本上,您所要做的就是在正确的位置将 np 转换为 K :
from keras import backend as K
def prediction_sign_accuracy(y_true, y_pred):
y_sign_difference = y_pred * y_true
pos_count = K.sum(K.cast(K.greater(y_sign_difference, 0.0), 'float32')
# etc etc I'm not paid for this ;-)
哦顺便说一句,如果你想测试这个功能,你需要相应地喂它,例如:
import numpy as np
y_true = K.constant(np.array([1,4,-3,-1]))
y_pred = K.constant(np.array([5,-2,-1,1]))
K.eval(prediction_sign_accuracy(y_true, y_pred)) # --> 1.0
