1回答
据我所知，为了通过梯度下降来更新模型参数，该算法需要在某个点计算误差函数E关于输出y: dE/dy的导数。然而，我已经看到，如果你想在Keras中使用自定义损失函数，你只需要定义E，而不需要定义它的导数。我遗漏了什么？每个丢失的函数将具有不同的导数，例如：
浏览 14提问于2018-01-12得票数 8
我编写了一个自定义丢失函数，将正则化损失添加到总损失中，我只在内核中添加了L2正则化程序，但是当我调用model.fit()时出现了一个警告，该警告声明这些偏差不存在梯度，并且不更新偏差，如果从其中一个层的内核中删除正则化损失，则该内核的梯度也不存在。这是我的损失函数： # convert tenso
浏览 1提问于2021-06-09得票数 0
回答已采纳
我想使用Keras定义一个自定义损失函数，它包含y_true和y_pred之间的差异的梯度。我发现numpy.gradient可以帮助我得到数组的梯度。因此，损失函数的部分代码如下所示： d = y_true - y_pred
gradient_x = np.gradient(d,我是Keras</em
浏览 4提问于2018-10-02得票数 1
对于某些特定情况，我需要向W添加一个符号函数，然后将其输入到损失函数中来计算我的损失。W = NN(I); #the output of the neural network是的，这真的很奇怪，但在我的工
浏览 1提问于2019-01-03得票数 1
2回答
Keras中的策略梯度
、、、、
我一直试图建立一个使用‘深度Q-学习’的模型，其中我有大量的行动(2908)。在使用标准DQN：()取得有限的成功之后，我决定做更多的研究，因为我认为动作空间太大，无法进行有效的探索。然后我发现了这篇论文：，在这里他们使用了一个参与者-评论家模型和策略梯度，这导致了我：，在那里，他们使用策略梯度来获得比DQN更好的结果。我已经找到了几个在Keras、和中实现策略梯度的站点，但是我很困惑它们是如何实现
浏览 6提问于2016-11-05得票数 23
我目前正在尝试实现一个具有二进制结果的自定义丢失函数(精度)，但是Tensorflow后端拒绝使用循环函数，这是生成'0‘或'1’所必需的。据我所研究，这是因为Tensorflow将圆的梯度定义为None，损失函数不能返回None。}
注意&
浏览 0提问于2018-01-20得票数 1
1回答
我是机器学习的新手，如果提问方式不是很好，问题又这么简单，请多包涵。model = tf.keras.models.Sequential()model.add(tf.keras
浏览 39提问于2019-03-03得票数 1
回答已采纳
1回答
我在Keras中创建了一个自定义丢失函数，如下所示：import numpy as np cce = tf.keras.losses.CategoricalCrossentropy() penalty = 0.1 * -entropy
浏览 0提问于2021-01-07得票数 0
1回答
由于我希望向这些层添加L2正则化，所以我传递了一个keras.regularizers.l2实例作为这些层的kernel_regularizer参数的参数(作为示例，请参见的构造函数)。现在，如果我使用Keras实现二进制交叉熵损失()来训练这个模型，我可以肯定在计算损失时会考虑到我指定的L2正则化。但是，在我的示例中，除了y_true和y_pred之外，还有一个自定义丢失函数需要
浏览 1提问于2020-09-18得票数 3
回答已采纳
我已经研究了大量的Keras自定义损失函数的例子。所有这些都可以概括为“写吧”。也就是说，需要编写函数获取参数(y_true，y_pred)。但是通常CNN需要损失函数的导数来进行反向传播。例如，如果你在Caffe中实现自定义损失，你必须编写2个函数:你需要的损失本身，以及它对反向传播的导数。但在Ker
浏览 6提问于2018-01-05得票数 8
首先，我从方法论的角度认识到，为什么损失函数必须依赖于神经网络的输出。这个问题更多的来自我在尝试更好地理解Keras和Tensorflow时所做的一个实验。但是，如果您将行A替换为行B，则会运行，尽管实际上没有发生任何数字上的变化。
前一个案子对我来说应该很好。计算图是很好的定义，一切都应该是可微性的损失。但是似乎Keras要求y_pred在某种程度上处于
浏览 0提问于2018-07-10得票数 6
回答已采纳
此自定义Keras损失函数： rel = predicted / safeActual return errCounts
在对fit()的调用中引发以下异常是什么导致x成为rmsProp
浏览 0提问于2017-11-22得票数 1
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics模型中的自定义丢失函数。当我用不同的输入(甚至是棘手的输入)分别测试它们时，这些函数似乎可以工作。似乎只有Keras有问题--可能需要不同的数据类型/形状
浏览 0提问于2017-04-20得票数 2
回答已采纳
我正在尝试理解Keras中的损失函数，我看到典型损失函数的代码如下所示： return K.mean(K.square(y_pred - y_true), axis=-1)
我检查了如果y_true和y_pred是形状(a, b, c, d)的张量，那么返回值就是形状(a, b, c)的张量。我的问题是:损失不应
浏览 0提问于2018-01-25得票数 1
在定义自定义损失函数时，我希望： 使用y_pred操作输入y_pred张量，将输入numpy张量处理为外部二进制执行，并获得如下所示的结果演示代码： def mse_my_loss(y_true,y_pred或者在自定义的损失函数中只能使用keras或后端函数，让keras对张量进行自动梯度计算？ 非常感谢。
浏览 16提问于2019-01-17得票数 1
我有一个使用numpy和opencv方法实现的丢失函数。此函数还使用网络的输入图像和输出。
是否有可能将输入和输出层转换为numpy数组，计算损失并使用它优化网络？
浏览 2提问于2017-10-01得票数 2
回答已采纳
2回答
求损失函数中的张量值
、、、、
我想得到这个的y_pred和y_true张量的值。我需要这能够执行一些自定义计算和改变损失，这些计算是可能的，与实际的数组值。或者在其他的ML框架中(tf，pytorch，theano)？
浏览 5提问于2018-08-17得票数 0
回答已采纳
1回答
Keras自定义损耗耦合不同样本
、、、、
我正在尝试理解Keras如何在一般设置中实际计算自定义损失的梯度。通常，损失被定义为独立贡献样本的总和。这最终允许在梯度计算中进行适当的并行化。然而，如果我在它上面添加一个全局非线性，从而耦合单个样本的贡献，Keras是否能够正确地处理微分？下面是一个使用log函数的例子。custom_loss(y_true,y_pred): return K.log
浏览 0提问于2019-07-06得票数 0
1回答
我正在尝试实现一个自定义的损失函数。因此，我首先尝试通过直接封装一个默认的keras损失函数来创建一个自定义函数。tf.keras.losses.categorical_crossentrophy 但它并没有起作用。这怎么可能？我在过去使用过自定义函数，就在今天，这让我感到震惊。为什么它不起作用？如何才能让这个简单的函数
浏览 40提问于2020-10-18得票数 0
1回答
Keras支持参数优化器吗？
、、、、
在使用keras时，可以为优化器更新规则添加一个术语，优化器可以学习吗？因此，例如，在keras的github ()优化器代码的第200行中，有一个SGD的更新规则。是否可以向SGD优化器添加一个简单的标量变量，将更新公式更改为其中，new_variable是一个标量，在一定范围内有界(例如0到1)，而SGD优化器必须了解new_variable的适当值吗？一个人将
浏览 0提问于2019-08-17得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
