Making custom non-trivial loss function in pytorch

Question

我刚开始使用 pytorch 并试图了解如何处理自定义损失函数，尤其是一些非平凡的。

问题 1。我想刺激我的 nn 最大化真实阳性率，同时最小化错误发现率。例如，真阳性的总分增加 +2，假阳性的总分减少 -5。

def tp_fp_loss(yhat, y):

    total_score = 0

    for i in range(y.size()):

        if is_tp(yhat[i],y[i]):

            total_score += 2

        if is_fp(yhat[i],y[i]):

            total_score -= 5

    return -total_score

问题2。如果 y 是正负奖励列表（y = [10,-5, -40, 23, 11, -7]），则刺激 nn 以最大化奖励总和。

def max_reward_loss(yhat,y):

    r = torch.autograd.Variable(torch.Tensor(y[yhat >= .5]), requires_grad=True).sum()                    

    return -r

也许我不完全理解一些 autograd 机制，我正确实现的函数计算损失但与它们一起学习不起作用:(我做错了什么？有人能帮我解决任何这些问题吗？

Answer 1

您的损失函数不可微 - 您无法计算其梯度（继续尝试）。你应该看起来像infogain loss