如何将这个用 Lasagne 编写的损失函数转换为 Keras？答案

【问题标题】：How to convert this loss function written in Lasagne to Keras?如何将这个用 Lasagne 编写的损失函数转换为 Keras？
【发布时间】：2019-09-15 06:21:18
【问题描述】：

我一直致力于将用 Lasagne 编写的 CNN 转换为 Keras（指向 Lasagne 版本的链接：https://github.com/MTG/DeepConvSep/blob/master/examples/dsd100/trainCNN.py）我相信我已经完成了大部分工作，但是，损失函数是我正在努力重写的部分。

网络的输出具有形状 (32,513,30,4)，损失函数使用不同的层（最后一个暗淡）。我试图将其重写为自定义损失函数，我可以将其插入 model.compile() 这是我写的代码：


rand_num = np.random.uniform(size=(32,513,30,1))
epsilon=1e-8                                        
alpha=0.001                                        
beta=0.01                                          
beta_voc=0.03 

def loss_func(y_true, y_pred):

    global alpha, beta, beta_voc, rand_num

    voc =  y_pred[:,:,:,0:1] + epsilon * rand_num
    bass = y_pred[:,:,:,1:2] + epsilon * rand_num
    dru = y_pred[:,:,:,2:3] + epsilon * rand_num
    oth = y_pred[:,:,:,3:4] + epsilon * rand_num

    mask_vox = voc/(voc+bass+dru+oth)
    mask_bass = bass/(voc+bass+dru+oth)
    mask_drums = dru/(voc+bass+dru+oth)
    mask_oth = oth/(voc+bass+dru+oth)

    vocals = mask_vox * inp
    bass = mask_bass * inp
    drums = mask_drums * inp
    other = mask_oth * inp

    train_loss_vocals = mean_squared_error(y_true=y_true[:,:,:,0:1],y_pred=vocals)
    alpha_component = alpha*mean_squared_error(y_true=y_true[:,:,:,1:2],y_pred=vocals)
    alpha_component += alpha*mean_squared_error(y_true=y_true[:,:,:,2:3],y_pred=vocals)
    train_loss_recon_neg_voc = beta_voc*mean_squared_error(y_true=y_true[:,:,:,3:4],y_pred=vocals)

    train_loss_bass = mean_squared_error(y_true=y_true[:,:,:,1:2],y_pred=bass)
    alpha_component += alpha*mean_squared_error(y_true=y_true[:,:,:,0:1],y_pred=bass)
    alpha_component += alpha*mean_squared_error(y_true=y_true[:,:,:,2:3],y_pred=bass)
    train_loss_recon_neg = beta*mean_squared_error(y_true=y_true[:,:,:,3:4],y_pred=bass)

    train_loss_drums = mean_squared_error(y_true=y_true[:,:,:,2:3],y_pred=drums)
    alpha_component += alpha*mean_squared_error(y_true=y_true[:,:,:,0:1],y_pred=drums)
    alpha_component += alpha*mean_squared_error(y_true=y_true[:,:,:,1:2],y_pred=drums)
    train_loss_recon_neg += beta*mean_squared_error(y_true=y_true[:,:,:,3:4],y_pred=drums)

    vocals_error=train_loss_vocals.sum()
    drums_error=train_loss_drums.sum()
    bass_error=train_loss_bass.sum()
    negative_error=train_loss_recon_neg.sum()
    negative_error_voc=train_loss_recon_neg_voc.sum()
    alpha_component=alpha_component.sum()

    loss=abs(vocals_error+drums_error+bass_error-negative_error-alpha_component-negative_error_voc)

    return loss

我得到的第一个错误是：

AttributeError: 'Tensor' 对象没有属性 'sum'

但是，我不确定其他一些操作，即使不正确，是否会引发错误。

非常感谢您的帮助。谢谢。

【问题讨论】：

标签： python keras conv-neural-network loss-function lasagne

【解决方案1】：

参见 this 示例，了解如何在 Keras 中定义自定义损失。

y_pred 作为 Keras 模型的输出是张量。您必须调整您的操作以使用张量，因此您必须使用 K.sum 而不是像 np.sum 这样的东西，而 K 是您的 keras 后端。

某些运算符重载，因此您可以使用 + 添加两个张量。

【讨论】：