Tensorflow 如何为Keras模型编写条件自定义损失函数

我正在尝试建立一个模型，可以对狗脸进行地标检测——如果有狗脸，提取眼睛和鼻子的x/y坐标，否则告诉我没有狗脸

我希望我的输出张量大小为7：

• 输出[0]-是否存在狗脸的概率
• 输出[1]/输出[2]-左眼的x/y
• 输出[3]/输出[4]-右眼的x/y
• 输出[5]/输出[6]-机头的x/y

我不知道如何编写一个自定义损失函数，该函数将如下所示：

#这主要是伪代码！
def自定义_l1_损失（y_真，y_pred）：
如果y_true[0]==1：
#有狗脸的概率=1
返回K.sum（K.abs（y_pred[1:]-y_true[1:]），轴=-1）
其他：
#只返回狗脸出现的概率差异
返回y_true[0]-y_pred[0]

---

问题：是否有人有在Keras中编写类似条件损失函数的经验？

您可以提取列[0]并将其用作掩码，如以下代码所示，以便将条件损失计算简化为一行计算

def custom_l1_loss(y_true, y_pred):

    y_true_present = y_true[...,0:1]
    y_pred_present = y_pred[...,0:1]

    loss = K.sum(y_true_present*K.abs(y_pred[...,1:] - y_true[...,1:]),axis=-1)+ K.sum((1-y_true_present)*K.abs(y_true_present-y_pred_present),axis=-1)

    return loss

---

您可以提取列[0]并将其用作掩码，如以下代码所示，以便将条件损失计算简化为一行计算

def custom_l1_loss(y_true, y_pred):

    y_true_present = y_true[...,0:1]
    y_pred_present = y_pred[...,0:1]

    loss = K.sum(y_true_present*K.abs(y_pred[...,1:] - y_true[...,1:]),axis=-1)+ K.sum((1-y_true_present)*K.abs(y_true_present-y_pred_present),axis=-1)

    return loss

---

在自定义keras损失函数中，有没有其他方法可以使用if--elif--else？我在尝试时遇到以下错误。不允许将

tf.Tensor

用作Python

bool

。使用

如果t不是None:

而不是

如果t:

来测试是否定义了张量，并使用诸如tf.cond之类的TensorFlow操作来执行以张量值为条件的子图。在自定义keras损失函数中有没有其他方法可以使用if--elif--else？我在尝试时遇到以下错误。不允许将

tf.Tensor

用作Python

bool

。如果t不是None:则使用

，如果t:

则使用

来测试是否定义了张量，并使用TensorFlow操作（如tf.cond）来执行以张量值为条件的子图。