如何在keras中创建自定义损失函数？ 自定义加权二进制交叉熵

如何解决如何在keras中创建自定义损失函数？ 自定义加权二进制交叉熵

我正在创建一个完全卷积的神经网络，只要输入的图像能够识别其中的区域（黑色，0），还可以识别背景（白色，255）。 我的目标是二值化图像（范围为0-255），我想在两个语义类（0或255）之间取得一些平衡。 实际上，我获得的“特殊”区域（0）的数量是背景区域（255）的1.8倍，因此我需要抵消这种影响，并且我想对事实做出更多的惩罚，以避免在背景上出错只能预测特殊区域。

我尝试遵循一些相关主题，这似乎并不难，但是我陷入了实施过程，我真的不知道为什么。

每次我的实现都在编译阶段工作时，但只有在拟合步骤中，它才会返回错误。
这是我到目前为止尝试过的：

import keras.backend as kb    
def custom_binary_crossentropy(y_true,y_pred):
        """
        Used to reequilibrate the data,as there is more black (0.,articles),than white (255.,non-articles) on the pages.
        """
        if y_true >=128:   # Half the 0-255 range
            return -1.8*kb.log(y_pred/255.)
        else:
            return -kb.log(1-(y_pred/255.))

但是它返回了：

InvalidArgumentError:  The second input must be a scalar,but it has shape [16,256,256]
     [[{{node gradient_tape/custom_binary_crossentropy/cond/StatelessIf/gradient_tape/custom_binary_crossentropy/weighted_loss/Mul/_17}}]] [Op:__inference_train_function_24327]

Function call stack:
train_function

我不太了解这个错误。

我以前尝试过：

def custom_binary_crossentropy(y_true,y_pred):
    """
    Used to reequilibrate the data,non-articles) on the pages.
    """
    if y_true >=128:   # Half the 0-255 range
        return 1.8*keras.losses.BinaryCrossentropy(y_true,y_pred)
    else:
        return keras.losses.BinaryCrossentropy(y_true,y_pred)

但是我得到了：

TypeError: in user code:

    /Users/axeldurand/opt/anaconda3/lib/python3.7/site-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
        return step_function(self,iterator)
    <ipython-input-67-7b6815236f63>:6 custom_binary_crossentropy  *
        return -1.8*keras.losses.BinaryCrossentropy(y_true,y_pred)

    TypeError: unsupported operand type(s) for *: 'float' and 'BinaryCrossentropy'

我有点困惑，Keras总是让它变得如此简单，我必须省略一些简单的东西，但我真的不明白。

解决方法

您以错误的方式使用keras.losses.BinaryCrossentropy。您实际上需要此损失的功能版本，即tf.keras.losses.binary_crossentropy

请参见https://www.tensorflow.org/api_docs/python/tf/keras/losses/BinaryCrossentropy和https://www.tensorflow.org/api_docs/python/tf/keras/losses/binary_crossentropy

,

非常感谢@qmeeus，您向我展示了成功的道路！
我不知道keras.losses.BinaryCrossentropy和keras.losses.binary_crossentropy之间的区别，但这是一个主要问题。

这就是我的做法：

def custom_binary_crossentropy(y_true,y_pred):
    """
    Used to reequilibrate the data,as there is more black (0.,articles),than white (255. (recalibrated to 1.),non-articles) on the pages.
    """
    # I put 0 so that the shape is (batch_size,256,256)
    # and not (batch_size,1)
    is_white = y_true[:,:,0]>=0.5 
    white_error = 1.8*keras.losses.binary_crossentropy(y_true,y_pred)
    black_error = keras.losses.binary_crossentropy(y_true,y_pred)
    # Returns the right loss for each type of error.
    # We do make twice the calculation but I did not find a better way for now
    return tf.where(is_white,white_error,black_error)

我不知道tf.where的用法，但是它非常有用。 我在AurélienGéron的精彩著作《使用Keras和TensorFlow进行机器学习》中看到了这本教程。

只需使用next即可：

# Compiling using this function
model.compile(optimizer="rmsprop",loss=custom_binary_crossentropy)

然后使用您的数据和喜欢的超参数来拟合您的模型，您就很好了！