将 numpy 方程转换为 Keras 后端损失函数方程

Question

我正在研究生成音乐的模型。我所有的训练数据都使用相同的调和模式，C 大调。我有一个 numpy 数组 keyspace，其形状 (n,) 表示我键盘上的按键总数（以半音阶）。该数组中带有 1 的槽是 C 大调中的键；有 0 的槽位不在 C 大调。

模型以数组y_pred 的形式预测应该按下哪些键。我想在我的损失函数中添加一个术语，以惩罚模型按下不在 C 大调中的键。也就是说，我不想因为未能在键空间中按键而惩罚我的模型（因为并非每个节拍都使用音阶中的每个键！）。在 numpy 中，我可以这样做：

import numpy as np

keyspace = np.array( [0, 1, 0, 1, 0, 1] )
y_pred   = np.array( [1, 0, 0, 1, 0, 1] )

loss_term = 0
for idx, i in enumerate(y_pred):
  if i:
    if not keyspace[idx]:
      loss_term += 1

loss_term

我现在想将其转换为 Keras 后端函数，这意味着对其进行矢量化。有没有人看到这样做的好方法？任何指针都会非常有帮助！

Answer 1

你的代码基本上是：

((1-keyspace) * y_pred).sum()

测试：

def loop_loss(keyspace, y_pred):
    loss_term = 0
    for idx, i in enumerate(y_pred):
        if i and not keyspace[idx]:
            loss_term += 1
    return loss_term

keyspace, y_pred = np.random.choice([0,1], (2,10))

loop_loss(keyspace, y_pred) == ((1-keyspace) * y_pred).sum()
# True