自定义 Keras/TensorFlow 损失函数惩罚输出变化

Question

我的目标是时间序列，我正在寻找一个成本函数来惩罚预测的变化，因此对于 N 的批量大小和具有 k 的模型输出，在损失函数中 y_pred 将是 N x k

所以我正在寻找一种在损失函数中引入惩罚的方法，例如：

K.sum(K.abs(np.diff(y_pred)) * alpha)

其中 alpha 是自定义输入 1 x k 每个目标每次更改的成本。我正在寻找一种使用Keras.backend 进行这种np.diff 的方法，这可能吗？或者也许有一种方法可以将这些张量转换为np.arrays，做我所有的恶作剧然后再回到张量？

Answer 1

你可以试试这个：

y_pred[:,1:] - y_pred[:,:-1]

numpy 相当于 diff，axis = 1，在损失函数中有效。