自定义损失函数 Keras 后端

Question

我在实现一个自定义损失函数时遇到了困难，该函数应该测量分类数据的召回率。

有关更详细的问题描述，请参阅： Classification: skewed data within a class

我已经用 numpy 数组实现了它，但是如何将它转换为 Keras 后端？有人有想法吗？

# Try Recall for the loss
def customLoss(yTrue,yPred):
   true_positives = np.sum(np.logical_and(yPred, yTrue))
   total = np.sum(np.sum(yTrue))
   return true_positives/total

提前致谢！

Answer 1

我们必须使用处理张量的 tensorflow 数学库，而不是使用 numpy。您可以在以下链接中找到数学示例：tf.reduce_sum()。

您必须小心张量元素的数据类型。 tf.logical_and 函数只接受布尔输入，因此 yTrue 和 yPred 必须转换为布尔值。既然要float输出，建议把logical_and运算的输出转换成float的dtype。

您的自定义损失函数应如下所示（或多或少）：

import tensorflow as tf
def customLoss(yTrue,yPred):
    # Convert yPred and yTrue to boolean
    yPred_bool = tf.equal(yPred > 0.5, True)
    yTrue_bool = tf.equal(yTrue > 0.5, True)    
    # Count number of true positive labels
    true_positives = tf.reduce_sum(tf.cast(tf.logical_and(yPred_bool, yTrue_bool),dtype=tf.float32), axis=0)
    # Count number of positive labels
    total = tf.reduce_sum(tf.cast((yTrue > 0.5),dtype=tf.float32),axis=0)
    return true_positives/total

希望有用。干杯！