Keras 损失函数的季节性答案

【问题标题】：Seasonality in Keras loss functionKeras 损失函数的季节性
【发布时间】：2019-11-30 11:14:46
【问题描述】：

我似乎无法弄清楚如何在 Keras 中正确地“切片”数组/张量。我正在编写自己的损失函数，并且想加入季节性效应。这里的简单想法是将值与一个时期前的值进行比较。在 numpy 中，我会写这样的东西（每天）：

np.mean(np.abs(y_true[24:] - y_true[-24:]))

但是，如果我想在这样的 Keras 环境中做同样的事情：

K.mean(K.abs(y_true[24:] - y_true[-24:]), axis=-1)

我总是得到形状不匹配

InvalidArgumentError：不兼容的形状

我现在的问题是：

如何在 Keras 损失函数中编写相同的内容，其中 y_true 和 y_pred 不再是 np.arrays，而是张量？

【问题讨论】：

标签： keras slice tensor loss-function

【解决方案1】：

在张量中切片的工作方式与在 numpy 中相同；需要注意的是，张量在训练/进行推理时具有批量维度，在定义模型时通常是未定义的。

我会帮助您更多地了解您的模型的细节；例如，该问题没有举例说明模型输出尺寸，但举例来说，如果一个模型的输出大小为 2，则一个函数将 mse 损失应用于一个输出并将 mae 应用于另一个输出可能是写成：

def custom_loss(y_true, y_pred):
  err0 = keras.losses.mean_squared_error(y_true[:, 0], y_pred[:, 0])
  err1 = keras.losses.mean_absolute_error(y_true[:, 1], y_pred[:, 1])
  return err0 + err1

使用示例：

inp = keras.layers.Input(shape=(4,))
out = keras.layers.Dense(2)(inp)
model = keras.models.Model(inp, out)
model.compile('adam', custom_loss)

model = make_model()
model.summary()

【讨论】：

感谢您的回复并回答您的问题：我的模型具有一维输出。关于您的回答：可能是我，我可能忽略了一些事情，但我看不到周期性出现的位置。或者这是在 Keras 环境中无法完成的事情？
上面的例子展示了如何使用大小为 2 的一维对输出进行切片。它试图证明切片张量等同于切片 np 数组。您没有在问题中描述输出的形状。但是，您确实给人的印象是形状大于 24，并且您正在尝试访问第一个和最后 24 个元素。这可以在 Keras 和 numpy 中写成一个范围。关键是需要考虑批次维度。