python - 张量的加权平均值

Question

我正在尝试在 keras 框架中实现自定义目标函数。分别采用两个参数张量 y_true 和 y_pred 的加权平均函数；权重信息来自 y_true 张量。

tensorflow 中有加权平均函数吗？或者关于如何实现这种损失函数的任何其他建议？

我的函数看起来像这样:

函数(y_true,y_pred) A=(y_true-y_pred)**2 w - 从 y_true 导出，与 y_true 形状相同的张量 return average(A, weights=w) <-- 一个标量

y_true 和 y_pred 是 3D 张量。

Answer 1

您可以使用来自 here 的 keras 上的现有目标之一(也称为损失) .

您也可以实现自己的自定义函数损失:

from keras import backend as K

def my_loss(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

# Let's train the model using RMSprop
model.compile(loss=my_loss, optimizer='SGD', metrics=['accuracy'])

注意 K 模块，它是您应该用来充分利用 keras 性能的 keras 后端，除非您不关心性能问题，否则不要做这样的事情:

def my_bad_and_slow_loss(y_true, y_pred):
    return sum((y_pred - y_true) ** 2, axis=-1)

对于您的具体情况，如果您需要帮助编写，请编写您想要的目标函数。

更新

你可以试试这个来提供权重 - W 作为损失函数:

def my_loss(y_true, y_pred):
    W = np.arange(9) / 9.  # some example W
    return K.mean(K.pow(y_true - y_pred, 2) * W)