Python 在Keras中实现自定义损失函数

我是Keras、神经网络和Python的新手，但我非常渴望学习。。。我想使用我自己的自定义损失函数，但由于存在上述障碍，我遇到了麻烦：）

这就是我试图实现的目标：

• Y_true是一个浮点值，可以是负数也可以是正数
• 该模型将预测浮动，浮动也可以是负值或正值
• 我想看看有多少次预测可以匹配Y_真值的符号（+/-）
• 为此，我将Y_pred和Y_true相乘（因此，如果Y_pred和Y_true具有相同的符号，则结果为正，如果它们不同，则结果为负）
• 然后我会计算这个乘法结果中正负值的数量，这样我就能看到预测有多少次符号相同，多少次符号相反
• 最后，我将返回比率

首先，我的问题是：这有意义吗？y_pred和y_true具有批量大小的形状，我是否正确？例如，对于批次号为100的情况，如果100个预测中有60个与y_真符号匹配，那么损失将为0.60

第二，实际上我还没有代码：）这是伪代码：

def prediction_sign_accuracy(y_true, y_pred):
    y_sign_difference = y_pred * y_true
    pos_count = count number of positive values in y_sign_difference
    neg_count = count number of negative values in y_sign_difference
    if neg_count == 0:
      return a constant zero result
    else:
       return pos_count/neg_count

你能帮我写这10行代码吗？：）这对其他人来说可能是显而易见的，但对我来说却是一个巨大的障碍

非常感谢，祝你度过愉快的一天

---

Tamás

在为keras编写度量或损失函数时，首先要记住的是，它必须使用keras.backend编写为张量

为了实现这一点，让我们首先“模拟”使用numpy阵列要执行的操作：

import numpy as np
y_true = np.array([1,4,-3,-1])
y_pred = np.array([5,-2,-1,1])
y_sign_difference = y_pred * y_true # this gives array([ 5, -8,  3, -1])
is_positive = np.greater(y_sign_difference, 0.0).astype(float)
# is_positive becomes array([ 1, 0, 1, 0])
pos_count = np.sum(is_positive) # --> 2

否定词用np.less

现在我们可以试着编写损失函数（imho，这是一个度量）。基本上，您所要做的就是在正确的位置将np转换为K：

from keras import backend as K
def prediction_sign_accuracy(y_true, y_pred):
    y_sign_difference = y_pred * y_true
    pos_count = K.sum(K.cast(K.greater(y_sign_difference, 0.0), 'float32')
    # etc etc I'm not paid for this ;-)

哦，顺便说一句，如果你想测试这个函数，你需要相应地输入它，例如：

import numpy as np
y_true = K.constant(np.array([1,4,-3,-1]))
y_pred = K.constant(np.array([5,-2,-1,1]))

K.eval(prediction_sign_accuracy(y_true, y_pred)) # --> 1.0

---

你的损失函数似乎不可微。。。只是准确度是不可微的：）我不认为建立自己的损失函数是正确的方法。如果Y_为正，为什么不将Y_设置为真1.0，如果Y_为负，为什么不将Y_设置为真0.0，然后使用分类交叉熵作为损失，使用softmax作为激活？非常感谢您的输入！