在keras中创建自定义丢失函数

Question

嗨，我一直试图在keras中为骰子误差系数定制一个损失函数。它的实现在tensorboard中，我尝试在keras中使用与tensorflow相同的函数，但当我使用模型时，它一直返回一个NoneType。在批处理或模型上训练。在模型的度量中使用时，它会给出适当的值。能不能请人帮我做点什么？我试过使用像ahundt的Keras FCN这样的库，在那里他使用了定制的丢失函数，但似乎都不起作用。代码中的目标和输出分别是yútrue和yúpred，如keras中loss.py文件中所用。

def dice_hard_coe(target, output, threshold=0.5, axis=[1,2], smooth=1e-5):
    """References
    -----------
    - `Wiki-Dice <https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient>`_
    """

    output = tf.cast(output > threshold, dtype=tf.float32)
    target = tf.cast(target > threshold, dtype=tf.float32)
    inse = tf.reduce_sum(tf.multiply(output, target), axis=axis)
    l = tf.reduce_sum(output, axis=axis)
    r = tf.reduce_sum(target, axis=axis)
    hard_dice = (2. * inse + smooth) / (l + r + smooth)
    hard_dice = tf.reduce_mean(hard_dice)
    return hard_dice

Answer 1

在Keras中实现参数化的自定义丢失函数有两个步骤。首先，编写系数/度量的方法。第二，编写一个包装函数，按照Keras需要的方式对内容进行格式化。

1. 实际上，使用Keras后端而不是tensorflow直接用于像DICE这样的简单的自定义丢失函数要干净得多。下面是这样实现的系数示例：

   import keras.backend as K
   def dice_coef(y_true, y_pred, smooth, thresh):
       y_pred = y_pred > thresh
       y_true_f = K.flatten(y_true)
       y_pred_f = K.flatten(y_pred)
       intersection = K.sum(y_true_f * y_pred_f)
   
       return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)
   

2. 现在是棘手的部分。Keras损失函数只能以（y_true，y_pred）作为参数。所以我们需要一个单独的函数来返回另一个函数。

   def dice_loss(smooth, thresh):
     def dice(y_true, y_pred)
       return -dice_coef(y_true, y_pred, smooth, thresh)
     return dice
   

最后，您可以在Keras compile中按如下方式使用它。

# build model 
model = my_model()
# get the loss function
model_dice = dice_loss(smooth=1e-5, thresh=0.5)
# compile model
model.compile(loss=model_dice)