在tensorflow/keras中是否有一种自然/简单的方法来实现自定义损失函数，该函数使用模型输出相对于模型输入的导数？第一个是损失函数通常不能访问输入。我的理解是，我可以通过直接引用Input层来解决这个问题，例如作为全局变量。(当然，所有代码都只是示意性的。)input_layer = Layer(...) return abs(y1-y2)*input_lay
浏览 23提问于2020-11-29得票数 2
在xgboost中使用自定义的损失函数有两个不同的指南。如果预测概率‘p’= sigmoid(z)2.在 1中，梯度为w.r.t‘p’
哪个是对的？
浏览 2提问于2019-10-03得票数 1
在tensorflow中，是否可以使用非光滑函数作为损失函数，例如分段(或如果-否则)？如果你不能，为什么你可以使用ReLU？在这个链接中，它说
如果使用这种自定义的损失<em
浏览 5提问于2016-11-22得票数 22
我目前正在做一个用tensorflow和keras实现的神经网络，我需要做的是调用一个我不能重新实现的函数，它在numpy数组上工作，而不是在张量上工作，我的第一个想法是像这样调用.numpy
def但是在Model.fit期间，如果你试图在张量上调用y.numpy，你会得到错误Tensor has no attribute numpy，这是因为.numpy只在紧急执行中工作，而不是在图形执行中(至少这是我所理解的有没有人知道一种在n
浏览 3提问于2020-11-12得票数 0
2回答
我正在尝试做(最好是随机的)梯度下降，以最小化自定义损失函数。我试过使用scikit学习SGDRegressor课程。但是，SGDRegressor似乎不允许我在没有数据的情况下最小化自定义损失函数，如果我可以使用自定义丢失函数，我只能将它作为回归来使用fit()方法来拟合数据。是否有一种方法可以使用scikit实现或任意其他Python实现的随
浏览 12提问于2022-11-30得票数 1
我编写了一个自定义丢失函数，将正则化损失添加到总损失中，我只在内核中添加了L2正则化程序，但是当我调用model.fit()时出现了一个警告，该警告声明这些偏差不存在梯度，并且不更新偏差，如果从其中一个层的内核中删除正则化损失，则该内核的梯度也不存在。我试图在每一层中添加偏置正则化器，所有的东西都正常工作，但我不想将偏见正则化，那么我该怎么办呢？这是我的损失<em
浏览 1提问于2021-06-09得票数 0
回答已采纳
在添加我自己的自定义损失函数时，应该更改哪些文件？我知道我可以在ObjectiveFunction中添加我的目标和梯度/希斯计算，只是想知道是否有其他我需要做的事情，或者是否有其他自定义损失函数的替代方案。
浏览 2提问于2017-11-02得票数 3
因此，我正在尝试使用Keras (Tensorflow后端)中的Lambda层实现一个自定义函数。基本上，我正在尝试实现这个模型架构。
浏览 0提问于2018-03-30得票数 1
我想将tensorflow 2.0中的损失函数替换为梯度函数。例如，我有一个损失函数，如下所示： # do some standard tensorflow things here然后，我使用tf.GradientTape方法应用梯度，即
prediction
浏览 21提问于2019-11-20得票数 1
对于某些特定情况，我需要向W添加一个符号函数，然后将其输入到损失函数中来计算我的损失。in keras是的，这真的很奇怪，但在我的工作中是必要的在我之前的工作中，没有sign函数，它工作得很好。但是，当我添加sign函数时，我发现程序可以运行，但损失不
浏览 1提问于2019-01-03得票数 1
1回答
自定义丢失函数的后端实现
、、、、
我不使用典型的损失函数，而是实现自己的损失函数，这是类中的一种方法。由于我采用了自己的自定义损失函数，是否需要对成本函数实现自己的梯度？ loss.backward(
浏览 1提问于2021-05-05得票数 1
回答已采纳
我目前正在尝试实现一个具有二进制结果的自定义丢失函数(精度)，但是Tensorflow后端拒绝使用循环函数，这是生成'0‘或'1’所必需的。据我所研究，这是因为Tensorflow将圆的梯度定义为None，损失函数不能返回None。 return(1-(tp/
浏览 0提问于2018-01-20得票数 1
1回答
据我所知，为了通过梯度下降来更新模型参数，该算法需要在某个点计算误差函数E关于输出y: dE/dy的导数。然而，我已经看到，如果你想在Keras中使用自定义损失函数，你只需要定义E，而不需要定义它的导数。我遗漏了什么？每个丢失的函数将具有不同的导数，例如：如果损失函数是交叉熵: dE/dy = y_
浏览 14提问于2018-01-12得票数 8
1回答
在培训和测试数据集中的所有情况下，每种模式都与成本相关联。我想使用决策树，因为它是容易理解的。我知道，通过使用三个(线性)回归模型，然后选择最便宜的模式，可以达到最小化成本偏差的目标，但我想保持决策树的“易于理解”的特性。
浏览 0提问于2019-05-14得票数 1
回答已采纳
1回答
我试图通过扩展nn.Module来使用自定义的丢失函数，但是我无法克服错误
model.load_state_dict(best_model_wts)我的损失<em
浏览 0提问于2018-04-13得票数 4
回答已采纳
2回答
火炬中的软交叉熵
、、、
我有一个小问题，实现一个软交叉熵损失在火把。
对于我的模型，我需要实现一个加权的软交叉熵损失，这意味着目标值也是概率向量，而不是热向量。我尝试使用在几个论坛上的建议，但它不期望一个权重向量，所以我不能使用它。一般来说，我有点搞不懂如何用pytorch创建一个自定义损失函数，以及自动梯度是如何遵循自定义损失函数的，特别是在模型建立之后，我们应用了一些非数学的
浏览 2提问于2021-08-24得票数 0
我用电筒和自动梯度来建立我的神经网络架构。它是一个小的3层网络，具有输入和输出。假设我必须根据一些初始条件预测一些输出函数，并且我使用的是一个自定义的损失函数。我所面对的问题是：
我试过乙状结肠激活和tanh。在损失收敛方面，tanh给出了稍好的结果。我试过使用ReLU，但是由于我的神经网络中没有太多的权重，所以权重就会死掉，也不会产生好的效果。除
浏览 2提问于2021-09-19得票数 1
回答已采纳
我想使用Keras定义一个自定义损失函数，它包含y_true和y_pred之间的差异的梯度。我发现numpy.gradient可以帮助我得到数组的梯度。因此，损失函数的部分代码如下所示： d = y_true - y_pred
gradient_x = np.gradient(d,有没有其他函数可以帮我做到这一点？或者我必须自己计算梯度？
浏览 4提问于2018-10-02得票数 1
1回答
现在，如果我使用Keras实现二进制交叉熵损失()来训练这个模型，我可以肯定在计算损失时会考虑到我指定的L2正则化。但是，在我的示例中，除了y_true和y_pred之外，还有一个自定义丢失函数需要其他几个参数，这意味着我无法将这个函数作为model.compile(...)的loss参数的参数传递(实际上，我甚至不调用，而是必须：
用model.trainable_vari
浏览 1提问于2020-09-18得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
