复杂的自定义损失函数的问题

Question

我发现了一些关于使用条件结构的自定义函数的有趣文章。例如，

loss = tf.reduce_sum(tf.where(tf.greater(y_T,y_P),(y_T-y_P)/a,(y_T-y_P)*b)) 

这让我印象深刻。深度学习的基本学习过程依赖于 BP。 tensorflow 能否完成如此复杂的 BP 流程？我很难想象如何BP这个功能并确保效率。谢谢！

Answer 1

是的，你可以，但它必须是一个函数，而不是变量
你可以有一个这样的客户损失函数：

def cust_func(a, b):
    def cust_loss_inner(y_T, y_P):
        y_T, y_P = tf.dtypes.cast(y_T, tf.float32), tf.dtypes.cast(y_P, tf.float32)
        return tf.reduce_sum(tf.where(tf.greater(y_T, y_P), (y_T - y_P) / a, (y_T - y_P) * b))
    return cust_loss_inner

您也可以选择将 y_T、y_P 转换为 float64 或其他，但它们必须具有相同的类型。

要使用上面的loss，你可以用下面的代码编译，3和4对应你想要的a和b值。

model.compile(optimizer=OPTIMIZER,
                  loss=cust_func(3, 4),
                  metrics=METRICS)