Keras 사용자 지정 목표는 Tensor 평가가 필요합니다.

Question

Keras 딥넷을 교육하기 위해 사용자 지정 목적 함수를 만들고 싶습니다. 저는 불균형 한 데이터의 분류를 연구하고 있으며, scikit-learn에서 F1 점수를 많이 사용합니다. 그러나

(from sklearn.metric import f1_score) 

def F1Loss(y_true, y_pred): 

    return 1. - f1_score(y_true, y_pred) 

, scikit 배우기에서이 f1_score 방법 NumPy와이 필요합니다 Keras는 동안 훈련을 최소화하기 위해 손실 함수/목적으로 사용하기 - (F1 점수 1) 그래서 저는 F1 메트릭을 반전의 생각을했다 배열 또는 목록을 사용하여 F1 점수를 계산합니다. 나는 Tensors가 .eval()을 사용하여 그들의 numpy 배열 대응 물에 평가 될 필요가 있다는 것을 발견했다.이 작업을 수행하려면 TensorFlow 세션이 필요하다.

Keras에서 사용하는 세션 개체를 알 수 없습니다. 나는 Keras 백엔드가 어딘가에 정의 된 자체 세션 객체를 가지고 있다고 가정하고 아래의 코드를 사용해 보았지만 이것도 작동하지 않았다. 정말 깊은 Keras의 동작 또는 Tensorflow 상기 순간을 이해하지 않기 때문에

from keras import backend as K 

K.eval(y_true) 

가 인정 하듯이,이 어둠 속에서 촬영했다.

내 질문은 : numpy 배열 대응 물에 y_true 및 y_pred 텐서를 어떻게 평가합니까?

Answer 1

귀하의 문제는 Theano에서 discontinous 목표를 구현하는 고전적인 문제이다. 그것은 두 가지 이유가 불가 beacuse이다 :

1. F1-점수는 discontinous입니다 :here 당신이 신경망 훈련의 목적 함수에서 기대해야 무엇을 읽을 수 있습니다. F1 점수는이 조건을 충족시키지 않으므로 신경망을 학습하는 데 사용할 수 없습니다.
2. Tensor와 Numpy 배열 간에는 동일한 내용이 없습니다. 그것은 근본적인 문제입니다. Theano tensor는 012 방정식에서 x과 같습니다. 대수 변수를 할당 할 수있는 객체는 대수 변수에서 기대할 수 없습니다. 반면에 - 전산 그래프의 일부로 - 목적을 계산하기 위해 텐서 연산이 제공되어야합니다. 그렇지 않다면 당신은 그것을 차별화 할 수 없습니다. 매개 변수는 신경 네트워크의 일반적인 훈련 방법의 대부분을 불가능하게합니다.

Answer 2

당신은 예측하고 NumPy와 배열 형식으로 실제 텐서는 당신이 코드를 사용할 수있는 것 같아요 경우

model.fit_generator(train_generator, validation_data=val_generator, nb_val_samples=X_val.shape[0], 
         samples_per_epoch=X_train.shape[0], nb_epoch=nb_epoch, verbose=1, 
         callbacks=[model_checkpoint, reduce_lr, tb], max_q_size=1000) 

:

correct_prediction = tf.equal(tf.argmax(actual_tensor,1), tf.argmax(predicted_tensor,1)) 

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 

그리고 keras에서

, 나는 당신이 사용할 수 있다고 생각합니다

train_generator 및 val_generator는 교육하는 동안 교육 및 유효성 검사 데이터를 생성하며 교육 도중 손실 및 정확성을 인쇄합니다. 이 도움이

희망 ...