python - 如何在python中将成本函数定义为 tensorflow 中的均方根对数误差

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 3 年前。

Improve this question

我想使用自己设计的成本函数。谁能帮我编写将回归模型的成本函数定义为均方根对数误差的代码

Answer 1

您可以将任意损失函数传递到您的 model.compile() 调用中。所以你可以实现你自己的 RMLSE 函数，如下所示:

def rmsle(y_true, y_pred):
  eps = tf.constant(0.00001)
  return tf.math.sqrt(
      tf.reduce_mean(
        tf.pow(tf.math.log(eps + y_true) - tf.math.log(eps + y_pred), 2)))

并在模型中使用它。

这是一个您可以复制的完整示例(这里我们尝试将 mnist 数字视为回归问题，这有点愚蠢，但您可以根据自己的需要进行调整):

import tensorflow as tf
tf.enable_eager_execution()

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
y_train, y_test = tf.cast(y_train, tf.float32), tf.cast(y_test, tf.float32)

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(1,activation='sigmoid')
])

model.compile(optimizer='adam', loss=rmsle)
model.fit(x_train, y_train, epochs=5)