Python Keras中的自定义平均方向精度损失函数

我试图将Keras中的损失函数定义为：

def mda(y_true, y_pred):
    """Compute Mean Directional Accuracy.

    https://en.wikipedia.org/wiki/Mean_Directional_Accuracy_(MDA)

    Parameters
    ----------
    y_true : tensor
    y_pred : tensor

    Returns
    -------
    mda : tensor
    """
    s = K.equal(K.sign(y_true[1:] - y_true[:-1]),
                 K.sign(y_pred[1:] - y_pred[:-1]))
    return K.mean(K.cast(s, K.floatx()))

我在TensorFlow中有一个例子，它似乎有效：

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt


def mda(y, y_hat):
    c = tf.equal(tf.sign(y[1:] - y[:-1]), tf.sign(y_hat[1:] - y_hat[:-1]))
    return tf.reduce_mean(tf.cast(c, tf.float32))

y = np.array([0, 1, 2, 1, 0, 1])
y_hat = np.array([0, 1, 0, 1, 0, 1])
plt.plot(y)
plt.plot(y_hat, alpha=.6)
plt.show()

sess = tf.Session()
print(sess.run(mda(tf.constant(y), tf.constant(y_hat))))

相应的绘图：

而

mda

result:0.6，这是3/5，在这种情况下是有意义的，因为5个方向中有3个是正确预测的

但是，如果我尝试在Keras中实现此代码：

def mda(y_true, y_pred):
    """Compute Mean Directional Accuracy.

    https://en.wikipedia.org/wiki/Mean_Directional_Accuracy_(MDA)

    Parameters
    ----------
    y_true : tensor
    y_pred : tensor

    Returns
    -------
    mda : tensor
    """
    s = K.equal(K.sign(y_true[1:] - y_true[:-1]),
                 K.sign(y_pred[1:] - y_pred[:-1]))
    return K.mean(K.cast(s, K.floatx()))

我得到一个

ValueError:不支持任何值。

我无法解析

日志：

ValueError回溯（最近一次调用）
在（）
67回调=[reduce_lr]，
68验证数据=（teX，teY），
--->69详细=1）
70打印（“运行时：”，time.time（）-start）
71
/anaconda/lib/python3.6/site-packages/keras/models.py适合（self、x、y、批量大小、历元、详细信息、回调、验证拆分、验证数据、混洗、类权重、样本权重、初始历元、**kwargs）
861类重量=类重量，
862样品重量=样品重量，
-->863初始_历元=初始_历元）
864
865 def评估（自我、x、y、批次大小=32、详细=1、，
/anaconda/lib/python3.6/site-packages/keras/engine/training.py适合（self、x、y、批量大小、历元、冗余、回调、验证拆分、验证数据、无序排列、类权重、样本权重、初始历元、**kwargs）
1411其他：
1412英寸=x+y+样本重量
->1413自我制造训练功能（）
1414 f=自整列功能
1415
/anaconda/lib/python3.6/site-packages/keras/engine/training.py in_make_train_函数（self）
935自身收集的可训练重量，
936自我约束，
-->937.总损耗）
938更新=自我更新+培训更新
939#获取损失和指标。在每次调用时更新权重。
/获取更新（self、params、constraints、loss）中的anaconda/lib/python3.6/site-packages/keras/optimizers.py
231对于拉链中的p、g、a（参数、梯度、蓄能器）：
232#更新累加器
-->233新_a=self.rho*a+（1.-self.rho）*K.square（g）
234.自我更新.附加（K.更新（a，新的_a））
235 new_p=p-lr*g/（K.sqrt（new_a）+self.epsilon）
/anaconda/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py位于方形（x）中
1369 A张量。
1370     """
->1371返回tf.广场（x）
1372
1373
/anaconda/lib/python3.6/site-packages/tensorflow/python/ops/math_ops.py（x，name）
472指数=x指数，值=x平方，密集形状=x密集形状）
473其他：
-->474返回gen_math_ops.square（x，name=name）
475
476
/anaconda/lib/python3.6/site-packages/tensorflow/python/ops/gen_math_ops.py（x，name）
2731一个“张量”。与“x”的类型相同。
2732   """
->2733结果=_op_def_lib.apply_op（“Square”，x=x，name=name）
2734返回结果
2735
/anaconda/lib/python3.6/site-packages/tensorflow/python/framework/op_def_library.py in apply_op（self，op_type_name，name，**关键字）
502#将#转换为#张量认为它有什么类型？
503观测值=运算。内部转换为张量(
-->504个值，如_ref=input_arg.is_ref）.dtype.name
505前缀=（“%s”Op的输入“%s”具有不匹配的类型%s）%
506（输入名称，操作类型名称，观察））
/内部的anaconda/lib/python3.6/site-packages/tensorflow/python/framework/ops.py\u convert\u to\u tensor（值、数据类型、名称、as\u ref、首选数据类型）
714
715如果ret为无：
-->716 ret=conversion\u func（值，dtype=dtype，name=name，as\u ref=as\u ref）
717
718如果未实施ret：
/anaconda/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py in_constant_tensor_conversion_函数（v，dtype，name，as_ref）
174 as_ref=False）：
175=作为参考
-->176返回常量（v，dtype=dtype，name=name）
177
178
/anaconda/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py in constant（值、数据类型、形状、名称、验证形状）
163张量_值=attr_值_pb2.AttrValue（）
164 tensor_value.tensor.CopyFrom(
-->165 tensor\u util.make\u tensor\u proto（值，dtype=dtype，shape=shape，verify\u shape=verify\u shape））
166 dtype\u value=attr\u value\u pb2.AttrValue（type=tensor\u value.tensor.dtype）
167常数张量=g.create\u op(
/make_tensor_proto中的anaconda/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py（值、数据类型、形状、验证形状）
358其他：
359如果值为无：
-->360提升值错误（“不支持任何值”）
361#如果提供了dtype，则强制numpy数组为该类型
362#如有可能提供。
ValueError:不支持任何值。

我也无法用TensorFlow重现此错误，例如，我试图用

None

替换

y_hat

值中的一个，但这会引发不同的错误

---

我不确定

ValueError

是否意味着运行时没有生成任何

值，或者是我把Keras实现搞砸了。我非常感谢您的帮助。
我尝试了您提供的代码，它在我的计算机上运行得很好

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import keras as K


def mda(y_true, y_pred):
    s = K.equal(K.sign(y_true[1:] - y_true[:-1]),
                 K.sign(y_pred[1:] - y_pred[:-1]))
    return K.mean(K.cast(s, K.floatx()))


y = np.array([0, 1, 2, 1, 0, 1])
y_hat = np.array([0, 1, 0, 1, 0, 1])
plt.plot(y)
plt.plot(y_hat, alpha=.6)
plt.show()

sess = tf.Session()
print(sess.run(mda(tf.constant(y), tf.constant(y_hat)))

你的Tensorflow/Keras设置是什么？
MAD是不可微的，你的梯度是
None