python - 以y_true取决于y_pred的方式自定义Keras的损失函数

我正在研究多标签分类器。我有许多输出标签[1、0、0、1 ...]，其中1表示输入属于该标签，而0表示否则。

就我而言，我使用的损失函数基于MSE。我想以某种方式更改损失函数，即当输出标签为-1时，它将更改为该标签的预测概率。

检查所附图像以最好地理解我的意思:
场景是-当输出标签为-1时，我希望MSE等于零:

这是方案:


在这种情况下，我希望将其更改为:



在这种情况下，第二个标签的MSE(中间输出)将为零(这是特例，我不希望分类器了解此标签)。

感觉这是一种必需的方法，我真的不相信我是第一个考虑这种方法的人，因此我首先想知道是否有这种训练Neural Net的方法的名称，其次我想知道如何我可以做吗。

我知道我需要更改损失函数中的某些内容，但我真的是Theano的新手，并且不确定如何在此处查找特定值以及如何更改张量的内容。

最佳答案

我相信这就是您要寻找的。

import theano
from keras import backend as K
from keras.layers import Dense
from keras.models import Sequential

def customized_loss(y_true, y_pred):
    loss = K.switch(K.equal(y_true, -1), 0, K.square(y_true-y_pred))
    return K.sum(loss)

if __name__ == '__main__':
    model = Sequential([ Dense(3, input_shape=(4,)) ])
    model.compile(loss=customized_loss, optimizer='sgd')

    import numpy as np
    x = np.random.random((1, 4))
    y = np.array([[1,-1,0]])

    output = model.predict(x)
    print output
    # [[ 0.47242549 -0.45106074  0.13912249]]
    print model.evaluate(x, y)  # keras's loss
    # 0.297689884901
    print (output[0, 0]-1)**2 + 0 +(output[0, 2]-0)**2 # double-check
    # 0.297689929093

关于python - 以y_true取决于y_pred的方式自定义Keras的损失函数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38684768/