Как посчитать элементы, принадлежащие одному классу меток, в пользовательской функции потери keras?

Question

Я ищу способ подсчитать количество вхождений каждого класса в массиве y_true в пользовательской функции потерь и заменить каждый элемент в массиве соответствующим числом вхождений.

I 'мы уже внедрили решение numpy, но я не могу перевести его в керасы (с tf backend).

Пример ввода:

y_true = np.array([0, 1, 1, 1, 0, 3])

Импорт:

import numpy as np
from keras import backend as k

Numpy реализация:

def custom_loss(y_true, y_pred):
    bins = np.bincount(y_true)
    y_true_counts = bins[y_true]

    >>> y_true_counts: [2 3 3 3 2 1]

Keras реализация:

def custom_loss(y_true, y_pred)
    bins = k.tf.bincount(y_true)
    y_true_counts = bins[y_true]

Несмотря на то, что решение numpy работает нормально, когда я хочу оценить реализацию keras, я получаю следующую ошибку:

a = custom_loss(y_true, y_pred)
>>> InvalidArgumentError: Shape must be rank 1 but is rank 2 for 'strided_slice_4' (op: 'StridedSlice') with input shapes: [?], [1,6], [1,6], [1].
[...]
----> 3     y_true_counts = bins[y_true]
[...]

Answer 1

Попробуйте tf.bincount и tf.gather.

import tensorflow as tf

y_true = tf.constant([0, 1, 1, 1, 0, 3],dtype=tf.int32)
bins = tf.bincount(y_true)
y_true_counts = tf.gather(bins,y_true)

with tf.Session()as sess:
    print(sess.run(bins))
    print(sess.run(y_true_counts))

[2 3 0 1]
[2 3 3 3 2 1]