Python 如何在keras中创建自定义损失函数？（自定义加权二进制交叉熵）

我正在创建一个完全卷积的神经网络，它在输入中给定一个图像，能够识别其中的区域（黑色，0），也能识别背景（白色，255）。 我的目标是二值化图像（范围为0-255），我希望在两个语义类（0或255）之间取得一些平衡。 事实上，我得到的“特殊”区域（0）是背景区域（255）的1.8倍，所以我需要抵消这种影响，我想惩罚更多的事实，以便在背景上出错，避免只预测特殊区域

我试着关注一些关于它的话题，这似乎不是很难，但我陷入了我的实现中，我真的不知道为什么

每次我的实现在编译阶段工作，但仅在安装步骤中，它都会返回一个错误。
以下是我迄今为止所做的尝试：

import keras.backend as kb    
def custom_binary_crossentropy(y_true, y_pred):
        """
        Used to reequilibrate the data, as there is more black (0., articles), than white (255., non-articles) on the pages.
        """
        if y_true >=128:   # Half the 0-255 range
            return -1.8*kb.log(y_pred/255.)
        else:
            return -kb.log(1-(y_pred/255.))

但它返回：

InvalidArgumentError:  The second input must be a scalar, but it has shape [16,256,256]
     [[{{node gradient_tape/custom_binary_crossentropy/cond/StatelessIf/gradient_tape/custom_binary_crossentropy/weighted_loss/Mul/_17}}]] [Op:__inference_train_function_24327]

Function call stack:
train_function

我真的不明白这个错误

我以前试过：

def custom_binary_crossentropy(y_true, y_pred):
    """
    Used to reequilibrate the data, as there is more black (0., articles), than white (255., non-articles) on the pages.
    """
    if y_true >=128:   # Half the 0-255 range
        return 1.8*keras.losses.BinaryCrossentropy(y_true, y_pred)
    else:
        return keras.losses.BinaryCrossentropy(y_true, y_pred)

但我得到了：

TypeError: in user code:

    /Users/axeldurand/opt/anaconda3/lib/python3.7/site-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
        return step_function(self, iterator)
    <ipython-input-67-7b6815236f63>:6 custom_binary_crossentropy  *
        return -1.8*keras.losses.BinaryCrossentropy(y_true, y_pred)

    TypeError: unsupported operand type(s) for *: 'float' and 'BinaryCrossentropy'

TypeError:在用户代码中：
/Users/axeldurand/opt/anaconda3/lib/python3.7/site packages/tensorflow/python/keras/engine/training.py:806 train_函数*
返回步骤_函数（self、迭代器）
：6自定义\u二进制\u交叉熵*
返回值-1.8*keras.Loss.BinaryCross熵（y_true，y_pred）
TypeError:不支持*：“float”和“BinaryCrossentropy”的操作数类型

---

我有点困惑，Keras总是让它变得如此简单，我必须省略一些简单的东西，但我并不真正理解。

您使用的是

Keras.loss.BinaryCrossentropy

。实际上，您需要这个损失的函数版本，即

tf.keras.loss.binary\u crossentropy

---

看到并

非常感谢@qmeeus，你为我指明了通往成功的道路
我不知道keras.loss.BinaryCrossentropy和keras.loss.binary_crossentropy之间的区别，但这是一个主要的区别

我是这样做的：

def custom_binary_crossentropy(y_true, y_pred):
    """
    Used to reequilibrate the data, as there is more black (0., articles),
    than white (255. (recalibrated to 1.), non-articles) on the pages.
    """
    # I put 0 so that the shape is (batch_size, 256, 256)
    # and not (batch_size, 256, 256, 1)
    is_white = y_true[:,:,:,0]>=0.5 
    white_error = 1.8*keras.losses.binary_crossentropy(y_true, y_pred)
    black_error = keras.losses.binary_crossentropy(y_true, y_pred)
    # Returns the right loss for each type of error.
    # We do make twice the calculation but I did not find a better way for now
    return tf.where(is_white, white_error, black_error)

我不知道tf.where的用法，但它非常有用。 我在Aurélien Géron的优秀著作《Keras和TensorFlow的机器学习》中看到了这篇教程

只需使用next：

# Compiling using this function
model.compile(optimizer="rmsprop", loss=custom_binary_crossentropy)

然后使用您的数据和喜爱的超参数来拟合您的模型，您就可以开始了