keras 中的加权 mse 自定义损失函数 - 自定义权重

Question

我正在处理序列数据（一个热编码序列），并且正在寻找一种方法来编写自定义损失函数，该函数使用基于 y_pred 和 y_true 的值字典中的权重，并在训练时依赖于这些值（所以在调用 fit 时我不能使用恒重）。

基本上，对于序列矩阵中的每个 argmax 索引位置，我可以检索一个字符。对于每两个字符，我可以检索一个权重。这些字典如下：

values = 

     {0: 'A',

      1: 'C',

      2: 'D',

      ...}

matrix = array

     ([[ 4, -1, -2, -2,  0, -1, -1,  0, -2, -1, -1, -1, -1, -2, -1,  1,

         0, -3, -2,  0, -2, -1,  0, -4],

       [-1,  5,  0, -2, -3,  1,  0, -2,  0, -3, -2,  2, -1, -3, -2, -1,

        -1, -3, -2, -3, -1,  0, -1, -4],

       [-2,  0,  6,  1, -3,  0,  0,  0,  1, -3, -3,  0, -2, -3, -2,  1,

         0, -4, -2, -3,  3,  0, -1, -4],

       ...]])

我想做这样的事情：

y_true (n,155,20) ---K.argmax(.., axis=2)---> a:(n,155)

y_pred (n,155,20) ---K.argmax(.., axis=2)---> b:(n,155)

for i in range(n):

   for j in range(155):

      weights[i,j] = matrix[values[a[i,j]], values[b[i,j]]]

想象一下，有一种方法可以通过其他一些字典获取上面的矩阵值。

然后我想像这样使用我的weights矩阵：

def custom_loss_mse(y_true,y_pred):

    w = getWeights(y_true,y_pred)

    return K.mean(K.dot(w, K.square(y_pred-y_true)), axis=-1)

到目前为止，我只发现这个问题有帮助，而且并不是很相似。

这很容易，但由于计算图模型，keras 使我更难做。应该有一些快速的方法来做到这一点，但我没有想法。

我将不胜感激，因为我对 numpy 和 keras 还很陌生。

Answer 1

您可以使用tf.gather获取特定索引处的张量值。例如，您可以a使用以下代码构建：index = K.argmax(y_true, axis=2)a = tf.diag_part(tf.gather(y_true, index, axis=2))  # shape (n, 155)我认为不可能从 dict 中获取值，因为所有计算都必须是符号化的。但是如果你可以使用矩阵而不是字典，你可以将矩阵转换为张量，K.constant然后你可以使用与上面相同的方法来获取特定索引处的值，具体取决于输入张量。