python - 张量流中的循环损失

Question

我想建立一个网络，对于给定的输入，预测一天中的时间。结果应在 0 到 24 的范围内。

我试图将其作为分类问题来解决，但这似乎不是正确的方法。我的问题是我不知道如何构建循环损失函数。例如，在我的情况下，如果网络的输出为 1，而真正的标签为 23，我希望距离为 2 而不是 22。是否有我可以使用的层？

Answer 1

据我所知，没有预先编写的循环损失函数。对于循环损失，您应该编写自己的损失函数，如下所示：

import keras.backend as K
def cyclic_loss(y_true, y_pred): 
    return K.min((y_pred +24 - y_true) % 24, (y_true + 24 - y_pred) % 24)

model.compile(optimizer='sgd', loss=cyclic_loss, metrics=['acc'])

但是，如果您这样定义损失，则不是分类问题。如果您想要一个分类问题，您应该使用 one-hot 编码对输出进行编码，并使用交叉熵作为损失函数。然后你有一天中每个小时的概率，你选择概率最高的小时。

作为回归任务，您可以使用如上所述的循环损失函数。