如何在简单的数学运算中定义 keras 自定义损失函数答案

【问题标题】：How to define a keras custom loss function in simple mathematical operation如何在简单的数学运算中定义 keras 自定义损失函数
【发布时间】：2019-03-13 22:05:02
【问题描述】：

我定义了一个自定义函数my_sigmoid如下：

import math
def my_sigmoid(x):
    a =  1/  ( 1+math.exp( -(x-300)/30 ) )
    return a

然后定义一个名为my_cross_entropy的自定义损失函数：

import keras.backend as K

def my_cross_entropy(y_true, y_pred):
    diff = abs(y_true-y_pred)
    y_pred_transform = my_sigmoid(diff)
    return K.categorical_crossentropy(0, y_pred_transform)

我的 keras 后端使用的是 tensorflow。并且错误显示

TypeError: 必须是实数，不是 Tensor

我不熟悉tensorflow，不知道如何使用自定义损失。

以下是我的模型结构和错误信息：

import keras.backend as K
from keras.models import Sequential
from keras.layers import Conv2D, Dropout, Flatten, Dense

model=Sequential()
model.add(Conv2D(512,(5,X_train.shape[2]),input_shape=X_train.shape[1:4],activation="relu"))
model.add(Flatten())
model.add(Dropout(0.1))
model.add(Dense(100,activation="relu"))
model.add(Dense(100,activation="relu"))
model.add(Dense(50,activation="relu"))
model.add(Dense(10,activation="relu"))
model.add(Dense(1,activation="relu"))
model.compile(optimizer='adam', loss=my_cross_entropy)
model.fit(X_train,Y_train,batch_size = 10,epochs=200,validation_data=(X_test,Y_test))

X_train 和 Y_train 的形状是： (120, 30, 80, 1) 和 (120,)

【问题讨论】：

可以发一个完整的小例子吗？
我不知道在 SO 上发布我的数据............
不是你的数据，贴出你使用的代码和出错的地方。

标签： python-3.x tensorflow keras loss-function

【解决方案1】：

改变

diff = abs(y_true-y_pred)

进入

diff = K.abs(y_true-y_pred)

同样的

math.exp()

改成

K.exp()

abs 和 Math.exp 是无法处理张量的函数。如果仍有问题，请参考：Custom Loss function Keras Tensorflow

【讨论】：