Tflearn Custom Objective function

Question

Я создаю пользовательскую целевую функцию для моей модели tflearn. Целевая функция сложна и требует от меня повторения прогнозируемых и правильных выходов и добавления определенных частей, не основанных на индексе. Я не могу найти способ заставить его работать с тензорным типом данных.

Я закодировал версию, используя стандартные списки ниже.

errorBuild = 0 
errorCheck = 0 
def CustomLoss(y_pred, y_true): 
    for value, index in enumerate(y_true): 
     if y_true[index] == 0: 
      errorBuild += y_pred[index] 
     else: 
      errorBuild += y_pred[index] - y_true[index] 
      errorCheck += math.abs(errorBuild) 

    return errorCheck 

Кажется, что нет возможности пробивать отдельные значения тензора. Должен ли я создавать новый сеанс в целевой функции и оценивать тензор?

Спасибо за помощь заранее

Answer 1

Вы можете добавить любую новую функцию потерь для tflearn/objectives.py файла (https://github.com/tflearn/tflearn/blob/master/tflearn/objectives.py). Чтобы использовать его, вам просто нужно вызвать его имя в слое регрессии.

def my_own_Loss(y_pred, y_true): 
    for value, index in enumerate(y_true): 
     if y_true[index] == 0: 
      errorBuild += y_pred[index] 
     else: 
      errorBuild += y_pred[index] - y_true[index] 
      errorCheck += math.abs(errorBuild) 

    return errorCheck 

, а затем вызвать его:

net = tflearn.regression(net, optimizer='momentum', 
         loss='my_own_Loss', 
         learning_rate=0.1)