Я определяю пользовательскую функцию my_sigmoid
следующим образом:
import math
def my_sigmoid(x):
a = 1/ ( 1+math.exp( -(x-300)/30 ) )
return a
А затем определите пользовательскую функцию потерь с именем my_cross_entropy
:
import keras.backend as K
def my_cross_entropy(y_true, y_pred):
diff = abs(y_true-y_pred)
y_pred_transform = my_sigmoid(diff)
return K.categorical_crossentropy(0, y_pred_transform)
Мой бэкэнд keras использует тензорный поток. И ошибка показывает
TypeError: должно быть действительное число, а не тензор
Я не знаком с тензорным потоком и не знаю, как использовать настраиваемую потерю.
Ниже приведены структура моей модели и сообщение об ошибке:
import keras.backend as K
from keras.models import Sequential
from keras.layers import Conv2D, Dropout, Flatten, Dense
model=Sequential()
model.add(Conv2D(512,(5,X_train.shape[2]),input_shape=X_train.shape[1:4],activation="relu"))
model.add(Flatten())
model.add(Dropout(0.1))
model.add(Dense(100,activation="relu"))
model.add(Dense(100,activation="relu"))
model.add(Dense(50,activation="relu"))
model.add(Dense(10,activation="relu"))
model.add(Dense(1,activation="relu"))
model.compile(optimizer='adam', loss=my_cross_entropy)
model.fit(X_train,Y_train,batch_size = 10,epochs=200,validation_data=(X_test,Y_test))
Форма X_train
и Y_train
: (120, 30, 80, 1)
и (120,)