ケラスロス機能の助けが必要です。 Tensorflowバックエンドを使用して、ケラスにカスタム損失関数を実装しています。
私はnumpyでカスタム損失関数を実装しましたが、ケラス損失関数に変換できればすばらしいでしょう。損失関数は、データフレームと一連のユーザーIDを受け取ります。同じuser_idのユークリッド距離は正であり、user_idが異なる場合は負になります。この関数は、データフレームのスカラー距離の合計を返します。
def custom_loss_numpy (encodings, user_id):
# user_id: a pandas series of users
# encodings: a pandas dataframe of encodings
batch_dist = 0
for i in range(len(user_id)):
first_row = encodings.iloc[i,:].values
first_user = user_id[i]
for j in range(i+1, len(user_id)):
second_user = user_id[j]
second_row = encodings.iloc[j,:].values
# compute distance: if the users are same then Euclidean distance is positive otherwise negative.
if first_user == second_user:
tmp_dist = np.linalg.norm(first_row - second_row)
else:
tmp_dist = -np.linalg.norm(first_row - second_row)
batch_dist += tmp_dist
return batch_dist
ケラスロス機能を実装してみました。 y_trueおよびy_predテンソルオブジェクトからnumpy配列を抽出しました。
def custom_loss_keras(y_true, y_pred):
# session of my program
sess = tf_session.TF_Session().get()
with sess.as_default():
array_pred = y_pred.eval()
print(array_pred)
しかし、次のエラーが発生します。
tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'dense_1_input' with dtype float and shape [?,102]
[[Node: dense_1_input = Placeholder[dtype=DT_FLOAT, shape=[?,102], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]
どんな種類の助けも本当にいただければ幸いです。
まず、Keras損失関数で "_y_true
_および_y_pred
_からnumpy配列を抽出"することはできません。損失を計算するには、Kerasバックエンド関数(またはTF関数)でテンソルを操作する必要があります。
言い換えると、if-elseとループを使用せずに、損失を計算する「ベクトル化された」方法について考えることをお勧めします。
損失関数は次の手順で計算できます。
encodings
のすべてのベクトルのペア間のペアワイズユークリッド距離の行列を生成します。I_ij
_が_user_i == user_j
_の場合は1、_user_i != user_j
_の場合は-1の行列I
を生成します。ここに実装があります:
_def custom_loss_keras(user_id, encodings):
# calculate pairwise Euclidean distance matrix
pairwise_diff = K.expand_dims(encodings, 0) - K.expand_dims(encodings, 1)
pairwise_squared_distance = K.sum(K.square(pairwise_diff), axis=-1)
# add a small number before taking K.sqrt for numerical safety
# (K.sqrt(0) sometimes becomes nan)
pairwise_distance = K.sqrt(pairwise_squared_distance + K.epsilon())
# this will be a pairwise matrix of True and False, with shape (batch_size, batch_size)
pairwise_equal = K.equal(K.expand_dims(user_id, 0), K.expand_dims(user_id, 1))
# convert True and False to 1 and -1
pos_neg = K.cast(pairwise_equal, K.floatx()) * 2 - 1
# divide by 2 to match the output of `custom_loss_numpy`, but it's not really necessary
return K.sum(pairwise_distance * pos_neg, axis=-1) / 2
_
上記のコードでは、_user_id
_は整数であると想定しています。ここでの秘訣は、ペアワイズ演算を実装するために_K.expand_dims
_を使用することです。一見すると少し理解しにくいかもしれませんが、とても便利です。
これは_custom_loss_numpy
_とほぼ同じ損失値を与えるはずです(K.epsilon()
のために少し違いがあります):
_encodings = np.random.Rand(32, 10)
user_id = np.random.randint(10, size=32)
print(K.eval(custom_loss_keras(K.variable(user_id), K.variable(encodings))).sum())
-478.4245
print(custom_loss_numpy(pd.DataFrame(encodings), pd.Series(user_id)))
-478.42953553795815
_
損失関数を間違えました。
この関数をトレーニングで使用すると、Kerasは自動的に_y_true
_を少なくとも2Dに変更するため、引数_user_id
_は1Dテンソルではなくなります。その形状は_(batch_size, 1)
_になります。
この関数を使用するには、余分な軸を削除する必要があります:
_def custom_loss_keras(user_id, encodings):
pairwise_diff = K.expand_dims(encodings, 0) - K.expand_dims(encodings, 1)
pairwise_squared_distance = K.sum(K.square(pairwise_diff), axis=-1)
pairwise_distance = K.sqrt(pairwise_squared_distance + K.epsilon())
user_id = K.squeeze(user_id, axis=1) # remove the axis added by Keras
pairwise_equal = K.equal(K.expand_dims(user_id, 0), K.expand_dims(user_id, 1))
pos_neg = K.cast(pairwise_equal, K.floatx()) * 2 - 1
return K.sum(pairwise_distance * pos_neg, axis=-1) / 2
_
Kerasでパラメーター化されたカスタム損失関数を実装するには、2つのステップがあります。最初に、係数/メトリックのメソッドを記述します。次に、ラッパー関数を記述して、Kerasが必要とするものをフォーマットします。
DICEのような単純なカスタム損失関数に直接tensorflowの代わりにKerasバックエンドを使用することは実際にはかなりクリーンです。その方法で実装された係数の例を次に示します。
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)
次に、トリッキーな部分について説明します。 Keras損失関数は、パラメータとして(y_true, y_pred)
のみを取る必要があります。したがって、別の関数を返す別の関数が必要です。
def dice_loss(smooth, thresh):
def dice(y_true, y_pred)
return -dice_coef(y_true, y_pred, smooth, thresh)
return dice
最後に、Keras compile
で次のように使用できます。
# 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)