Python Keras/Tensorflow：带减法的损失函数-

我对keras或tensorflow并不完全陌生，但这是我的第一次深度潜水。我试着编写我自己的损失函数，这是与keras相比的

mean\u absolute\u percentage\u error

的一个微小变化。我可以用numpy来写：

def np_平均值_相对百分比_误差（y_真，y_pred）：
err=np.abs（（y_-true-y_-pred）/np.abs（y_-true））
diff=np.subtract（np.one（err.shape，dtype=float），err）
返回100。*np.平均值（差值，轴=-1）

但是我不能用keras/tensorflow编写它，我当前（不工作）的版本看起来像下面的代码片段。如果有人完成了实现，或者告诉我如何用常数一个元素一个元素地减去张量，我将非常感激

第1版：

def平均相对百分比错误（y_真，y_pred）：
err=K.abs（（y_-true-y_-pred）/K.clip（K.abs（y_-true），K.epsilon（），None））
一个=K.one_like（err）
diff=K.update\u sub（一个，错误）
返回100。*K.平均值（差值，轴=-1）
回溯（最近一次呼叫最后一次）：
文件“E:/Projekte/*ai/train.py”，第66行，在
列车（epochs=20，前缀='test\U new\U loss\U fn'）
文件“E:/Projekte/i*/ai/train.py”，第46行，列车中
模型=创建模型（（形状[0]，形状[1]，3），主干=主干，丢失功能=丢失fn，冻结主干=主干冻结，lr=学习率）
文件“E:\Projekte\*\ai\model\\uuuu init\uuuuu.py”，第48行，在create\u model中
损失=损失函数，度量=[平均相对百分比误差，度量。平均绝对误差]）
文件“C:\Users\**\.conda\envs\tfGPU2\lib\site packages\keras\engine\training.py”，第342行，在compile中
样品（重量、面罩）
文件“C:\Users\***\.conda\envs\tfGPU2\lib\site packages\keras\engine\training\u utils.py”，第404行，以加权形式
分数数组=fn（y_真，y_pred）
文件“E:\Projekte\ai\p\ai\utils\loss.py”，第8行，平均相对百分比错误
diff=K.update\u sub（一个，e）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\keras\backend\tensorflow\u backend.py”，第999行，在更新子文件中
返回tf.assign_sub（x，减量）
文件“C:\Users\***f\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\state\u ops.py”，第160行，分配子文件
返回参考赋值（值）
AttributeError:“Tensor”对象没有属性“assign\u sub”

第2版：

def平均相对百分比错误（y_真，y_pred）：
err=K.abs（（y_-true-y_-pred）/K.clip（K.abs（y_-true），K.epsilon（），None））
one=K.变量（K.one_like（err））
diff=K.update\u sub（一个，错误）
返回100。*K.平均值（差值，轴=-1）
回溯（最近一次呼叫最后一次）：
文件“E:/Projekte/*/ai/train.py”，第66行，在
列车（epochs=20，前缀='test\U new\U loss\U fn'）
文件“E:/Projekte/*/ai/train.py”，第46行，列车中
模型=创建模型（（形状[0]，形状[1]，3），主干=主干，丢失功能=丢失fn，冻结主干=主干冻结，lr=学习率）
文件“E:\Projekte\*\ai\model\\uuuu init\uuuuu.py”，第48行，在create\u model中
损失=损失函数，度量=[平均相对百分比误差，度量。平均绝对误差]）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\keras\engine\training.py”，第342行，编译
样品（重量、面罩）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\keras\engine\training\u utils.py”，第404行，以加权方式显示
分数数组=fn（y_真，y_pred）
文件“E:\Projekte\*\ai\utils\loss.py”，第7行，平均相对百分比错误
one=K.变量（K.one_like（err））
变量中的文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\keras\backend\tensorflow\u backend.py”，第402行
v=tf.Variable（value，dtype=tf.as_dtype（dtype），name=name）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第183行，在调用中__
返回cls.\u变量\u v1\u调用（*args，**kwargs）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第146行，在变量调用中
聚合=聚合）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第125行，在
上一个\u getter=lambda**kwargs：默认\u变量\u创建者（无，**kwargs）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variable\u scope.py”，第2444行，在默认的\u variable\u creator中
预期形状=预期形状，导入范围=导入范围）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第187行，在u调用中__
返回super（VariableMetaclass，cls）。\调用（*args，**kwargs）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第1329行，在u init中__
约束=约束）
文件“C:\Users\*\.conda\envs\tfGPU2\lib\site packages\tensorflow\python\ops\variables.py”，第1472行，位于\u init \u from \u args
自身（初始值）
ValueError:初始值必须指定一个形状：张量（“丢失/密集\u 3\u丢失/类似于1的值：0”，形状=（？，？），数据类型=浮点32）

不需要复杂的技巧，您的损失可以通过以下方式实现：

def mean_relative_percentage_error(y_true, y_pred):
    err = K.abs((y_true - y_pred) / K.clip(K.abs(y_true), K.epsilon(), None))
    diff = 1.0 - err
    return 100. * K.mean(diff, axis=-1)

---

这在

1.0-err

计算中使用广播。

您只需执行diff=1.0-errVersion 2是正确的，因为损失函数希望处理张量。正如@MatiasValdenegro所说，您可以直接使用常量值

1

来利用广播的基本特性，而不需要像

这样的人
。感谢您的建议，这是我的“第一个”解决方案，但损失非常小（小于0，我预计大约>100）。所以我认为这是一个减法的问题，但它看起来更像一个数学问题。