正规的彩票

keras 自定义loss层+接受输入实例

 更新时间: 2020年06月28日 14:52:35   转载 作者: lgy_keira  
这篇文章主要介绍了keras 自定义loss层+接受输入实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

loss函数如何接受输入值

kerasfengzhuangdebijiaolihai,guanwangjidelizixiedeyunliwuli,

zaistackoverflowzhaodaole

you can wrap the loss function as a inner function and pass your input tensor to it (as commonly done when passing additional arguments to the loss function).

def custom_loss_wrapper(input_tensor):
 def custom_loss(y_true, y_pred):
  return K.binary_crossentropy(y_true, y_pred) + K.mean(input_tensor)
 return custom_loss
input_tensor = Input(shape=(10,))
hidden = Dense(100, activation='relu')(input_tensor)
out = Dense(1, activation='sigmoid')(hidden)
model = Model(input_tensor, out)
model.compile(loss=custom_loss_wrapper(input_tensor), optimizer='adam')

正规的彩票you can verify that input_tensor and the loss value will change as different x is passed to the model.

X = np.random.rand(1000, 10)
y = np.random.randint(2, size=1000)
model.test_on_batch(X, y) # => 1.1974642
X *= 1000
model.test_on_batch(X, y) # => 511.15466

fit_generator

fit_generator ultimately calls train_on_batch which allows for x to be a dictionary.

正规的彩票also, it could be a list, in which casex is expected to map 1:1 to the inputs defined in model(input=[in1, …], …)

### generator
yield [inputX_1,inputX_2],y
### model
model = Model(inputs=[inputX_1,inputX_2],outputs=...)

补充知识: keras中自定义 loss损失函数和修改不同样本的loss权重(样本权重、类别权重)

shouxianbianxiyixiagainian:

正规的彩票1. lossshizhengtiwangluojinxingyouhuademubiao, shixuyaocanyudaoyouhuayunsuan,gengxinquanzhiwdeguochengde

正规的彩票2. metriczhishizuoweipingjiawangluobiaoxiandeyizhong“zhibiao”, biruaccuracy,shiweilezhiguandilejiesuanfadexiaoguo,chongdangviewdezuoyong,bingbucanyudaoyouhuaguocheng

一、keras自定义损失函数

zaikeraszhongshixianzidingyiloss, keyiyouliangzhongfangshi,yizhongzidingyi loss function, liru:

# 方式一
def vae_loss(x, x_decoded_mean):
 xent_loss = objectives.binary_crossentropy(x, x_decoded_mean)
 kl_loss = - 0.5 * K.mean(1 + z_log_sigma - K.square(z_mean) - K.exp(z_log_sigma), axis=-1)
 return xent_loss + kl_loss
 
vae.compile(optimizer='rmsprop', loss=vae_loss)

正规的彩票huozhetongguozidingyiyigekerasdeceng(layer)laidadaomude, zuoweimodeldezuihouyiceng,zuihoulingmodel.compilezhongdeloss=none:

# 方式二
# Custom loss layer
class CustomVariationalLayer(Layer):
 
 def __init__(self, **kwargs):
  self.is_placeholder = True
  super(CustomVariationalLayer, self).__init__(**kwargs)
 def vae_loss(self, x, x_decoded_mean_squash):
 
  x = K.flatten(x)
  x_decoded_mean_squash = K.flatten(x_decoded_mean_squash)
  xent_loss = img_rows * img_cols * metrics.binary_crossentropy(x, x_decoded_mean_squash)
  kl_loss = - 0.5 * K.mean(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
  return K.mean(xent_loss + kl_loss)
 
 def call(self, inputs):
 
  x = inputs[0]
  x_decoded_mean_squash = inputs[1]
  loss = self.vae_loss(x, x_decoded_mean_squash)
  self.add_loss(loss, inputs=inputs)
  # We don't use this output.
  return x
 
y = CustomVariationalLayer()([x, x_decoded_mean_squash])
vae = Model(x, y)
vae.compile(optimizer='rmsprop', loss=None)

zaikeraszhongzidingyimetricfeichangjiandan,xuyaoyongy_predhey_truezuoweizidingyimetrichanshudeshurucanshu dianjichakanmetricdeshezhi

注意事项:

1. keraszhongdingyiloss,fanhuideshibatch_sizezhangdudetensor, erbushixiangtensorflowzhongneiyangshiyigescalar

2. weilenenggoujiangzidingyidelossbaocundaomodel, yijikeyizhihounenggoushunliload model, xuyaobazidingyidelosskaobeidaokeras.losses.py yuandaimawenjianxia,fouzeyunxingshizhaobudaoxiangguanxinxi,kerashuibaocuo

正规的彩票youshixuyaobutongdesampledelossshijiabutongdequanzhong,zheishixuyaoyongdaosample_weight,liru

discriminator.train_on_batch(imgs, [valid, labels], class_weight=class_weights)

二、keras中的样本权重

# Import
import numpy as np
from sklearn.utils import class_weight
 
# Example model
model = Sequential()
model.add(Dense(32, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
 
# Use binary crossentropy loss
model.compile(optimizer='rmsprop',
    loss='binary_crossentropy',
    metrics=['accuracy'])
 
# Calculate the weights for each class so that we can balance the data
weights = class_weight.compute_class_weight('balanced',
           np.unique(y_train),
           y_train)
 
# Add the class weights to the training           
model.fit(x_train, y_train, epochs=10, batch_size=32, class_weight=weights)

note that the output of the class_weight.compute_class_weight() is an numpy array like this: [2.57569845 0.68250928].

正规的彩票yishangzheipiankeras zidingyilossceng+jieshoushurushilijiushixiaobianfenxiangjidajiadequanbuneirongle,xiwangnengjidajiayigecankao,yexiwangdajiaduoduozhichijiaobenzhijia。

正规的彩票相关的文章

  • python记录程序运行时间的三种方法

    python记录程序运行时间的三种方法

    这篇文章主要介绍了python记录程序运行时间的三种方法的相关资料,需要的朋友可以参考下
    2016-07-07
  • 利用Python实现手机短信监控通知的方法

    利用Python实现手机短信监控通知的方法

    今天小编就为大家分享一篇利用Python实现手机短信监控通知的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-07-07
  • 基于多进程中APScheduler重复运行的解决方法

    基于多进程中APScheduler重复运行的解决方法

    今天小编就为大家分享一篇基于多进程中APScheduler重复运行的解决方法,具有很好的价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-07-07
  • python障碍式期权定价公式

    python障碍式期权定价公式

    这篇文章主要为大家详细介绍了python障碍式期权定价公式,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-07-07
  • Django使用详解:ORM 的反向查找(related_name)

    Django使用详解:ORM 的反向查找(related_name)

    今天小编就为大家分享一篇Django使用详解:ORM 的反向查找(related_name),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2017-05-05
  • python爬虫的数据库连接问题【推荐】

    python爬虫的数据库连接问题【推荐】

    这篇文章主要介绍了python爬虫的数据库连接问题,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下
    2017-06-06
  • Python 高级专用类方法的实例详解

    Python 高级专用类方法的实例详解

    这篇文章主要介绍了Python 高级专用类方法的实例详解的相关资料,希望通过本文大家能够掌握这部分内容,需要的朋友可以参考下
    2016-09-09
  • Python实现SMTP发送邮件详细教程

    Python实现SMTP发送邮件详细教程

    这篇文章主要为大家详细介绍了Python实现SMTP发送邮件详细教程,附SMTP邮件发送代码,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2015-08-08
  • Python编程快速上手——Excel到CSV的转换程序案例分析

    Python编程快速上手——Excel到CSV的转换程序案例分析

    这篇文章主要介绍了Python Excel到CSV的转换程序,结合具体案例形式分析了Python操作Excel到CSV转换的操作技巧与相关注意事项,需要的朋友可以参考下
    2019-02-02
  • 在Python中画图(基于Jupyter notebook的魔法函数)

    在Python中画图(基于Jupyter notebook的魔法函数)

    这篇文章主要介绍了在Python中画图(基于Jupyter notebook的魔法函数),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2018-10-10

最新评论

正规的彩票_正规彩票平台app下载[首页最快线路√] 彩票官网_彩票官网app|网站首页 彩票平台_彩票平台快三-[平台最快线路√] 彩票app下载_彩票app下载官网下载快三_官方入口 彩票平台_彩票平台app-专注彩票门户 彩票官网_彩票官网app下载网址-HOME 彩票平台_彩票平台登录-老品牌最信誉 彩票app_彩票app客户端下载>> 首页 彩票平台_彩票平台免费送彩金18-点击进入>! 彩票平台_彩票平台官网〖2020购彩首选〗 彩票app_彩票app彩票投注平台-Welcome