python - 在 Keras 中使用 Tensorflow Huber 损失

Question

我正在尝试在 keras 模型中使用 huber 损失(编写 DQN)，但结果很糟糕，我认为我做错了什么。我的代码如下。

model = Sequential()
model.add(Dense(output_dim=64, activation='relu', input_dim=state_dim))
model.add(Dense(output_dim=number_of_actions, activation='linear'))
loss = tf.losses.huber_loss(delta=1.0)
model.compile(loss=loss, opt='sgd')
return model

Answer 1

我带着完全相同的问题来到这里。接受的答案使用 logcosh 可能具有类似的属性，但它不完全是 Huber Loss。以下是我如何为 Keras 实现 Huber Loss(请注意，我使用的是来自 Tensorflow 1.5 的 Keras)。

import numpy as np
import tensorflow as tf

'''
 ' Huber loss.
 ' https://jaromiru.com/2017/05/27/on-using-huber-loss-in-deep-q-learning/
 ' https://en.wikipedia.org/wiki/Huber_loss
'''
def huber_loss(y_true, y_pred, clip_delta=1.0):
  error = y_true - y_pred
  cond  = tf.keras.backend.abs(error) < clip_delta

  squared_loss = 0.5 * tf.keras.backend.square(error)
  linear_loss  = clip_delta * (tf.keras.backend.abs(error) - 0.5 * clip_delta)

  return tf.where(cond, squared_loss, linear_loss)

'''
 ' Same as above but returns the mean loss.
'''
def huber_loss_mean(y_true, y_pred, clip_delta=1.0):
  return tf.keras.backend.mean(huber_loss(y_true, y_pred, clip_delta))

根据你是想减少损失还是损失的均值，使用上面相应的函数。