tensorflow - 将 TensorFlow 损失全局目标 (recall_at_precision_loss) 与 Keras(非指标)一起使用

Question

背景

我有一个带有 5 个标签的多标签分类问题(例如 [1 0 1 1 0] )。因此，我希望我的模型在固定召回、精确召回 AUC 或 ROC AUC 等指标上有所改进。

使用与我想要优化的性能测量没有直接关系的损失函数(例如 binary_crossentropy )没有意义。因此，我想使用 TensorFlow 的 global_objectives.recall_at_precision_loss()或类似于损失函数。

相关 GitHub:
https://github.com/tensorflow/models/tree/master/research/global_objectives

相关论文(Scalable Learning of Non-Decomposable Objectives):https://arxiv.org/abs/1608.04802

不是公制的

我不是在寻找实现 tf.metrics .我已经在以下方面取得了成功: https://stackoverflow.com/a/50566908/3399066

问题

我认为我的问题可以分为两个问题:

使用方法 global_objectives.recall_at_precision_loss()或类似？

如何在带有 TF 后端的 Keras 模型中使用它？

问题一

有一个文件叫 loss_layers_example.py在 the global objectives GitHub page (same as above) .但是，由于我对TF没有太多经验，所以我不太了解如何使用它。另外，谷歌搜索 TensorFlow recall_at_precision_loss example或 TensorFlow Global objectives example不会给我任何更清楚的例子。

我如何使用 global_objectives.recall_at_precision_loss()在一个简单的 TF 示例中？

问题二

会像(在 Keras 中): model.compile(loss = ??.recall_at_precision_loss, ...)足够？
我的感觉告诉我它比这更复杂，因为使用了 loss_layers_example.py 中使用的全局变量。 .

如何使用类似 global_objectives.recall_at_precision_loss() 的损失函数在凯拉斯？

Answer 1

我设法通过以下方式使其工作:

显式地将张量整形为 BATCH_SIZE 长度(参见下面的代码)

将数据集大小减少到 BATCH_SIZE 的倍数

    def precision_recall_auc_loss(y_true, y_pred):
        y_true = keras.backend.reshape(y_true, (BATCH_SIZE, 1)) 
        y_pred = keras.backend.reshape(y_pred, (BATCH_SIZE, 1))   
        util.get_num_labels = lambda labels : 1
        return loss_layers.precision_recall_auc_loss(y_true, y_pred)[0]