केरास के नुकसान समारोह को इस तरह से अनुकूलित करें कि y_true y_pred

Question

पर निर्भर करेगा मैं बहु-लेबल वर्गीकरण पर काम कर रहा हूं। मेरे पास कई आउटपुट लेबल हैं [1, 0, 0, 1 ...] जहां 1 इंगित करता है कि इनपुट उस लेबल से संबंधित है और 0 अन्यथा इसका मतलब है।

मेरे मामले में जो हानि कार्य मैं उपयोग करता हूं वह एमएसई पर आधारित है। मैं हानि फ़ंक्शन को इस तरह से बदलना चाहता हूं कि आउटपुट लेबल -1 से अधिक होने पर इस लेबल की अनुमानित संभावना में बदल जाएगा।

चेक संलग्न छवियों सबसे अच्छा समझने के लिए मैं क्या मतलब है: परिदृश्य है - जब उत्पादन लेबल है -1 मैं एमएसई शून्य के बराबर होना चाहते हैं:

:

यह परिदृश्य है

और इस तरह के मामले में मैं इसे करने के लिए बदलना चाहते हैं:

ऐसे मामले में दूसरा लेबल की एमएसई (मध्य उत्पादन) होगा शून्य हो (यह एक विशेष मामला है जहां मैं क्लासिफायर को इस लेबल के बारे में नहीं जानना चाहता)।

ऐसा लगता है कि यह एक आवश्यक तरीका है और मुझे सच में विश्वास नहीं है कि मैं इसके बारे में सोचने वाला पहला व्यक्ति हूं इसलिए सबसे पहले मैं जानना चाहता था कि न्यूरल नेट के प्रशिक्षण के लिए कोई नाम है या दूसरा मैं चाहता हूं मुझे यह जानना पसंद है कि मैं इसे कैसे कर सकता हूं।

मैं समझता हूं कि मुझे हानि समारोह में कुछ चीजें बदलने की ज़रूरत है, लेकिन मैं वास्तव में थेनो के लिए नौसिखिया हूं और इस बारे में निश्चित नहीं हूं कि एक विशिष्ट मूल्य के लिए कैसे दिखें और टेंसर की सामग्री को कैसे बदला जाए।

Answer 1

मुझे विश्वास है कि यह वही है जो आप खोज रहे हैं।

import theano 
from keras import backend as K 
from keras.layers import Dense 
from keras.models import Sequential 

def customized_loss(y_true, y_pred): 
    loss = K.switch(K.equal(y_true, -1), 0, K.square(y_true-y_pred)) 
    return K.sum(loss) 

if __name__ == '__main__': 
    model = Sequential([ Dense(3, input_shape=(4,)) ]) 
    model.compile(loss=customized_loss, optimizer='sgd') 

    import numpy as np 
    x = np.random.random((1, 4)) 
    y = np.array([[1,-1,0]]) 

    output = model.predict(x) 
    print output 
    # [[ 0.47242549 -0.45106074 0.13912249]] 
    print model.evaluate(x, y) # keras's loss 
    # 0.297689884901 
    print (output[0, 0]-1)**2 + 0 +(output[0, 2]-0)**2 # double-check 
    # 0.297689929093