Как определить и использовать пользовательскую функцию потерь в керасе - PullRequest
Новая
       3

Как определить и использовать пользовательскую функцию потерь в керасе

0 голосов
/ 18 октября 2019

У меня есть модель в Керасе. В модели используется B. кросс-энтропия (log log). Тем не менее, я хочу создать свой собственный журнал потери BCE для него. вот моя модель 

    def get_model(train, num_users, num_items, layers=[20, 10, 5, 2]):
        num_layer = len(layers)  # Number of layers in the MLP
        user_matrix = K.constant(getTrainMatrix(train))
        item_matrix = K.constant(getTrainMatrix(train).T)

        # Input variables
        user_input = Input(shape=(1,), dtype='int32', name='user_input')
        item_input = Input(shape=(1,), dtype='int32', name='item_input')

        user_rating = Lambda(lambda x: tf.gather(user_matrix, tf.to_int32(x)))(user_input)
        item_rating = Lambda(lambda x: tf.gather(item_matrix, tf.to_int32(x)))(item_input)
        user_rating = Reshape((num_items, ))(user_rating)
        item_rating = Reshape((num_users, ))(item_rating)
        MLP_Embedding_User = Dense(layers[0]//2, activation="linear" , name='user_embedding')
        MLP_Embedding_Item  = Dense(layers[0]//2, activation="linear" , name='item_embedding')
        user_latent = MLP_Embedding_User(user_rating)
        item_latent = MLP_Embedding_Item(item_rating)

        # The 0-th layer is the concatenation of embedding layers
        vector = concatenate([user_latent, item_latent])

        # Final prediction layer
        prediction = Dense(1, activation='sigmoid', kernel_initializer=initializers.lecun_normal(),
                       name='prediction')(vector)

        model_ = Model(inputs=[user_input, item_input],
                   outputs=prediction)

        return model_

Вот вызов функции компиляции. 

model.compile(optimizer=Adam(lr=learning_rate), loss='binary_crossentropy')

Теперь мой вопрос: как определить для нее обычную двоичную кросс-энтропийную потерю?

...