我需要构建自定义的分类交叉熵损失函数，在这里我应该比较y_true和Q*y_pred而不是仅仅比较y_pred。 Q是一个矩阵。
问题是批处理大小不能等于1。因此，尺寸存在问题。
如何建立可与batch_size=200一起使用的分类交叉熵损失函数？
例如，这是自定义分类交叉熵损失函数，该函数正确运行，但适用于batch_size = 1。
我有3个类，所以y_pred的形状是(batch_size, 3, 1)，Q的形状是（3,3）。
我还尝试使用shape = (batch_size, 3, 3)传输多维numpy数组，但是它不起作用。
Q=np.matrix([[0, 0.7,0.2], [0,0,0.8],[1,0.3,0]])
def alpha_loss(y_true, y_pred):
return K.categorical_crossentropy(y_true,K.dot(tf.convert_to_tensor(Q,dtype=tf.float32 ),K.reshape(y_pred,(3,1)) ))
最佳答案
由于您使用的是TensorFlow后端，因此可以使用：
Q=np.matrix([[0, 0.7,0.2], [0,0,0.8],[1,0.3,0]])
def alpha_loss(y_true, y_pred):
# Edit: from the comments below it appears that y_pred has dim (batch_size, 3), so reshape it to have (batch_size, 3, 1)
y_pred = tf.expand_dims(y_pred, axis=-1)
q_tf = tf.convert_to_tensor(Q,dtype=tf.float32)
# Changing the shape of Q from (3,3) to (batch_size, 3, 3)
q_expanded = tf.tile(tf.expand_dims(q_tf, axis=0), multiples=[tf.shape(y_pred)[0], 1,1])
# Calculate the matrix multiplication of Q and y_pred, gives a tensor of shape (batch_size, 3, 1)
qy_pred = tf.matmul(q_expanded, y_pred)
return K.categorical_crossentropy(y_true, qy_pred)