Bagaimana untuk Melaksanakan Fungsi Kehilangan Tersuai Berparameter dalam Keras?

Fungsi Kehilangan Tersuai di Keras: Panduan Terperinci

Fungsi kehilangan tersuai membolehkan anda menyesuaikan proses latihan model anda kepada masalah atau metrik tertentu . Dalam Keras, melaksanakan fungsi kehilangan tersuai berparameter memerlukan mengikut prosedur tertentu.

Mencipta Kaedah Pekali/Metrik

Pertama, tentukan kaedah untuk mengira pekali atau metrik anda mahu digunakan sebagai fungsi kehilangan. Contohnya, untuk pekali Dadu, anda boleh menulis kod berikut:

import keras.backend as K
def dice_coef(y_true, y_pred, smooth, thresh):
    y_pred = y_pred > thresh
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)

    return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)

Fungsi Pembungkus untuk Keras

Fungsi kehilangan Keras hanya menerima (y_true, y_pred) sebagai parameter. Untuk dimuatkan ke dalam format ini, buat fungsi pembalut yang mengembalikan fungsi kehilangan:

def dice_loss(smooth, thresh):
  def dice(y_true, y_pred)
    return -dice_coef(y_true, y_pred, smooth, thresh)
  return dice

Menggunakan Fungsi Kehilangan Tersuai

Kini anda boleh menggunakan fungsi kehilangan tersuai anda dalam Keras dengan menyusunnya dengan hujah kerugian:

# build model 
model = my_model()
# get the loss function
model_dice = dice_loss(smooth=1e-5, thresh=0.5)
# compile model
model.compile(loss=model_dice)

Atas ialah kandungan terperinci Bagaimana untuk Melaksanakan Fungsi Kehilangan Tersuai Berparameter dalam Keras?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!