Python CNTK：定义自定义损失函数（Sø；rensen骰子系数）

我想在CNTK/Python中用作loss函数。如何定义自定义损耗函数。

将numpy导入为np
将cntk作为C导入
def dice_系数（x，y）：
# https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient
交集=C.减少元素和（C.元素乘以（x，y））
返回2*交点/（C.reduce\u sum（x）+C.reduce\u sum（y））
形状=（1,2,2）
x1=np.ones（形状）
y1=np.重塑（[0,1,0,1]，形状）
x=C.消毒输入（x1）
y=C.消毒输入（y1）
dice_系数（x，y）.eval（{x:x1，y:y1}）

---

数组（[0.66666 9]，dtype=float32）

回答您更一般的问题“如何定义自定义损失函数：”

在CNTK中，损失函数并不特殊。任何产生标量的表达式都可以用作损失函数。学习者将通过求和minibatch中所有样本的标量损失值来计算minibatch级别的损失，并通过它像通过任何CNTK表达式一样进行反向传播

例如，以下是定义平方误差损失的一种方法：

def my_square_error(x,y):
    diff = x-y
    return times_transpose(diff, diff)

而

交叉熵\u与\u softmax（）

损失可以用Python编写，如下所示：

def my_cross_entropy_with_softmax(output, labels):
    logZ = reduce_log_sum(output)  # log of softmax denominator
    return times_transpose(labels, output) - logZ

最后，多任务学习可以通过使用一个损失函数来实现，该函数是多个损失的加权和。

快速说明：C.element_乘以（x，y）可以写成x*y。