4

我正在使用中性网络进行多类分类。有 3 个不平衡的类，所以我想使用焦点损失来处理不平衡。所以我使用自定义损失函数来适应 Keras 顺序模型。我尝试了在网上找到的焦点损失函数的多个版本的代码，但它们返回相同的错误消息，基本上说输入大小是浴缸大小，而预期为 1。任何人都可以看看这个问题，让我知道你是否可以修理它？对此，我真的非常感激！！！

model = build_keras_model(x_train, name='training1')

​</p> 

class FocalLoss(keras.losses.Loss):
    def __init__(self, gamma=2., alpha=4.,
             reduction = tf.keras.losses.Reduction.AUTO, name='focal_loss'):

    super(FocalLoss, self).__init__(reduction=reduction,
                                    name=name)
    self.gamma = float(gamma)
    self.alpha = float(alpha)

def call(self, y_true, y_pred):

        epsilon = 1.e-9
        y_true = tf.convert_to_tensor(y_true, tf.float32)
        y_pred = tf.convert_to_tensor(y_pred, tf.float32)
        model_out = tf.add(y_pred, epsilon)
        ce = tf.multiply(y_true, -tf.math.log(model_out))
        weight = tf.multiply(y_true, tf.pow(
            tf.subtract(1., model_out), self.gamma))
        fl = tf.multiply(self.alpha, tf.multiply(weight, ce))
        reduced_fl = tf.reduce_max(fl, axis=1)
        return tf.reduce_mean(reduced_fl)

model.compile(optimizer = tf.keras.optimizers.Adam(0.001),
          loss = FocalLoss(alpha=1),
          metrics=['accuracy'])
​
class_weight = {0: 1.,
            1: 6.,
            2: 6.}

​​​ # fit the model (train for 5 epochs) history = model.fit(x=x_train, y=y_train, batch_size=64, epochs=5, class_weight = class_weight)

ValueError: Can not squeeze dim[0], expected a dimension of 1, got 64 for 'loss/output_1_loss/weighted_loss/Squeeze' (op: 'Squeeze') with input shapes: [64].
4

2 回答 2

2

您面临的问题是，您正在利用一些旨在为您执行某些逻辑的帮助程序类，但不幸的是，它的文档不太清楚它究竟为您做了什么，因此，您究竟需要在您的自己的。

在这种情况下，您使用tf.keras.losses.Loss. 您需要做的就是实施call()（并且可选地__init__）。不幸的是，文档根本没有说明它期望call()返回什么。但是由于您需要指定 a reductionin __init__()，我们可以假设它call()不仅会返回一个数字。否则reduction就没用了。换句话说：错误告诉您call()返回单个数字，而预期返回 64 个数字（您的批量大小）。

因此，与其自己（通过调用）将批次减少为一个数字tf.reduce_mean(reduced_fl)，不如让助手类为您执行此操作并直接返回reduced_f1。目前您使用reduction=tf.keras.losses.Reduction.AUTO的可能是您想要的。

于 2019-11-06T15:07:47.220 回答
0

Keras 损失函数采用一批预测和训练数据，并使用它们产生损失张量。可以实现的一种方法是简单地定义一个带有两个张量输入的函数，该输入返回一个数字，就像这样

def mse(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

然后像这样在编译时将它传递给模型

model.compile(optimizer = tf.keras.optimizers.Adam(0.001), loss = mse)
于 2019-11-06T12:31:20.077 回答