Python Keras自定义损失函数huber

我使用Keras后端函数编写了huber loss，效果很好：

def huber_loss(y_true, y_pred, clip_delta=1.0):
    error = y_true - y_pred
    cond  = K.abs(error) < clip_delta
         
    squared_loss = 0.5 * K.square(error)
    linear_loss  = clip_delta * (K.abs(error) - 0.5 * clip_delta)

    return tf_where(cond, squared_loss, linear_loss)

---

但它不起作用，具有此损失函数的模型不收敛，错误是什么？

我喜欢通过使用类似Desmos的程序绘制自定义函数来调试它们

---

。唯一的问题是当B小于A时。如果B的值大于A，那么损失函数就不会有问题。如果这不是问题，那么您可以尝试在目标和输出之间切换减法，因为我不熟悉tensorflow如何处理微分，但顺序会影响渐变的方向。

如果顺序更改，则tensorflow中的渐变方向也会更改。

def best_loss(y_true, y_pred, A, B):
    error = K.abs(y_true - y_pred)
    cond  = error <= A
    cond2 = tf_logical_and(A < error, error <= B)

    squared_loss = 0.5 * K.square(error)
    linear_loss  = A * (error - 0.5 * A)
    sqrt_loss = A * np.sqrt(B) * K.sqrt(error) - 0.5 * A**2

    return tf_where(cond, squared_loss, tf_where(cond2, linear_loss, sqrt_loss))