如何在 keras 损失函数中使用 tf.nn.top_k？

Question

我在使这个自定义损失函数（它检查y_pred 数据的排序是否与y_true 提供的实际排序索引一致）工作时遇到了一些问题：

def custom_objective(y_true, y_pred):
    y_true = tf.cast(y_true, tf.float32)
    ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32)
    return tf.sqrt(tf.reduce_mean(tf.square(ordered_output - y_true), axis=-1))

我可以使用示例数据正确运行它：

with tf.Session() as sess:
    print(custom_objective(tf.constant([0, 1, 2, 3, 4, 5]), 
                           tf.constant([0.0, 0.9, 0.2, 0.3, 0.5, 0.8])).eval())  # 1.82574

但如果我在model.compile 中使用它，它会以某种方式不起作用，因为它会引发：

/Users/luca/.virtualenvs/python3/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py in make_tensor_proto(values, dtype, shape, verify_shape)
    358   else:
    359     if values is None:
--> 360       raise ValueError("None values not supported.")
    361     # if dtype is provided, forces numpy array to be the type
    362     # provided if possible.

ValueError: None values not supported.

请注意，如果我将ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32) 更改为ordered_output = -y_pred，我的训练测试集中没有“无”值，模型编译良好并开始正确训练（但这显然不是我想要的损失函数）。

我有一种微妙的感觉，在损失函数中使用 top_k 可能有问题，因为我看不出它是如何可区分的，但我没有更好的想法来评估预测排序的差异。提示/想法/论文/参考？ :)

Answer 1

这可能会被否决，因为我不会真正修复您的代码，但这里什么都没有：

我确实不相信您可以使用 top_k 作为目标函数。就像您不能将准确性用作目标函数一样。

原因是数学上的。即使是 keras、tensorflow、theano 等。是非常棒的人工智能工具，让每个人都可以摆弄神经网络，后者仍然是非常复杂的数学工具。这些数学运算很好地隐藏在引擎盖下，但是当您尝试比预制工具更进一步时，您应该意识到它们。

当您训练一个网络时，您会计算网络在示例上的错误程度，然后反向传播该错误以从中学习。反向传播背后的算法是优化器，更准确地说，它们是基于梯度的优化器。计算梯度需要区分我们正在优化的函数，即损失/目标函数。这意味着目标必须是可微的。精度不是一个可微函数，它将一个介于 0 和 1 之间的实数作为输入，并输出一个阶跃函数：如果 x0.5，则为 1。该函数不可微，因为我们无法在 0.5 中得到它的梯度。 top_k 函数是某种精度函数。所以在我看来，你确实不能在目标中使用它，因为在幕后，智能张量流必须计算你函数的梯度。

我希望这会有所帮助:)