自定义指标访问 X 输入数据答案

【问题标题】：Custom metric access X input data自定义指标访问 X 输入数据
【发布时间】：2019-09-14 11:45:30
【问题描述】：

我想为拼写校正模型编写一个自定义指标，该模型计算正确替换的以前不正确的字母。并且它应该被错误地计算为以前正确的替换字母。

这就是我需要访问 x_input 数据的原因。不幸的是，默认情况下只能访问 y_true 和 y_pred。是否有解决方法来获得匹配的 x_input？

是：

def custom_metric(y_true, y_pred):

通缉：

def custom_metric(x_input, y_true, y_pred):

【问题讨论】：

标签： tensorflow keras metrics

【解决方案1】：

def custom_loss(x_input):
    def loss_fn(y_true, y_pred):
        # Use your x_input here directly
        return #Your loss value
    return loss_fn

model = # Define your model
model.compile(loss=custom_loss(x_input))   
# Values of y_true and y_pred will be passed implicitly by Keras

请记住，在训练模型时，x_input 将在所有批次的输入中具有相同的值。

编辑：

既然您需要每批的x_input 数据仅在损失函数期间进行估计，并且您有自己的自定义损失函数，为什么不将x_input 作为标签传递。像这样的：

model.fit(x=x_input, y=x_input)
model.compile(loss=custom_loss())

def custom_loss(y_true, y_pred):
  # y_true corresponds to x_input data

如果你需要 x_input 并且需要传递一些其他数据，你可以这样做：

model.fit(x=x_input, y=[x_input, other_data])
model.compile(loss=custom_loss())

您现在只需解耦y_true 中的数据即可。

【讨论】：

这不是我想要的。假设我用 10,000 个样本和 128 个批量进行训练。然后，据我了解 y_true 和 y_pred 的形状大小为例如(128, 28, 28)。 x_input 的形状大小为 (10,000, 28, 28) 与您的变体并且不对应于我需要的部分。