Можно ли отображать сумму по партиям вместо среднего по партиям как потери в кератах?

Question

У меня задание регрессии, и я измеряю подгонку, используя евклидово расстояние. Вместо того, чтобы отображать среднеквадратичную ошибку как потерю, я хочу отобразить сумму квадратов. То есть я хочу только сумму по квадратным ошибкам и не делить на количество примеров.

На уровне пакета я могу достичь этого, определив пользовательские потери вроде этого (возможно, я мог бы вместо этого использовать tf.keras.losses.MeanSquareError напрямую):

class CustomLoss(tf.keras.losses.Loss):
    def call(self, Y_true, Y_pred):
        return tf.reduce_sum(tf.math.abs(Y_true-Y_pred) ** 2, axis=-1)

target_loss=CustomLoss(reduction=tf.keras.losses.Reduction.SUM)

, который вычислит квадратную ошибку для каждого примера, а затем даст TensorFlow команду SUM над примерами для вычисления потери пакета вместо этого по умолчанию SUM_OVER_BATCH_SIZE (который должен читаться не буквально, а в виде дроби, т. е. SUM / BATCH_SIZE).

Моя проблема в том, что на уровне эпохи Керас берет эти суммы, а затем вычисляет Имеется в виду через шаги (партии), чтобы сообщить о потере эпохи. Как мне заставить Keras вычислять сумму по партиям вместо среднего?

Answer 1

Вам нужно будет написать Пользовательский обратный вызов , который будет добавлять потери после каждого пакета в список (как показано в общей ссылке до c).

Реализация on_epoch_end чтобы получить сумму всех значений в списке (в который вы добавили все потери серии)

Если вы хотите минимизировать сумму потерь по всем партиям, используйте K.Function API. Полная реализация