我正在做我的第一个Python语言机器学习项目-使用TensorFlow尝试使用Moby Hyphenator II数据集对单词进行音节化。我将其视为多标签分类问题,其中单词及其音节以以下格式编码: T e n - s o r - f l o w rmse = torch.mean(torch.sqrt(mse + epsilon))
return (bce
我正在研究tensorflow.keras中的一个不平衡的分类问题。我决定按照this answer on cross validated的建议计算“几何平均分”。我在一个名为imbalanced-learn的包中发现了一个implementation of it,并意识到它不能用作tensorflow.keras.Model.compile(metrics=[])中的指标之一;而且由于我还希望在每次调用时都向它传递一个参数,所以我决定自己实现一个自定义</em
我想要实现一个自定义的损失函数,它比较y_actual和y_prediction,这样损失函数就可以计算出在给定位置的张量中匹配了多少个元素,并将这个数字作为损失返回。我试着访问元素,并手动计算它,但我猜这需要在每次迭代时从GPU读取到CPU的值,而且速度会非常慢。since 3 elems match in their corresponding positions, and 1 doesn't
loss = 3 (or
我试图最大化接近真实值的预测数量,即使这会导致疯狂的异常值,否则可能会偏离中位数(我已经有一个工作损失)或均值。因此,我尝试了这个自定义损失函数: def lossMetricPercentGreaterThanTenPercentError(y_true, y_pred): CURRENTLYDOESN'T WORK AS LOSS: NOT DIFFERENTIABLE
ValueError: