Keras中的RMSE / RMSLE损失函数

Question

我尝试参加我的第一场Kaggle比赛，其中RMSLE被作为所需的损失函数。因为我没有发现如何实施这个loss function我试图解决RMSE。我知道这是Keras过去的一部分，有没有办法在最新版本中使用它，也许通过backend定制功能？

这是我设计的NN：

from keras.models import Sequential
from keras.layers.core import Dense , Dropout
from keras import regularizers

model = Sequential()
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu", input_dim = 28,activity_regularizer = regularizers.l2(0.01)))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu"))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 1, kernel_initializer = "uniform", activation = "relu"))
model.compile(optimizer = "rmsprop", loss = "root_mean_squared_error")#, metrics =["accuracy"])

model.fit(train_set, label_log, batch_size = 32, epochs = 50, validation_split = 0.15)

我尝试了在GitHub上找到的自定义root_mean_squared_error函数，但是据我所知，语法不是必需的。我认为y_true和y_pred必须在传递给返回之前定义，但我不知道究竟是什么，我刚开始使用python进行编程，我在数学方面真的不太好...

from keras import backend as K

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true), axis=-1)) 

我使用此函数收到以下错误：

ValueError: ('Unknown loss function', ':root_mean_squared_error')

感谢您的想法，我感谢您的一切帮助！

Answer 1

当您使用自定义丢失时，您需要在没有引号的情况下放置它，因为您传递的是函数对象，而不是字符串：

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true))) 

model.compile(optimizer = "rmsprop", loss = root_mean_squared_error, 
              metrics =["accuracy"])

Answer 2

接受的答案包含错误，导致RMSE实际上是MAE，根据以下问题：

https://github.com/keras-team/keras/issues/10706

应该是正确的定义

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true)))

Answer 3

如果你每晚使用最新的tensorflow，虽然文档中没有RMSE，但tf.keras.metrics.RootMeanSquaredError()中有一个source code。

样品用量：

model.compile(tf.compat.v1.train.GradientDescentOptimizer(learning_rate),
              loss=tf.keras.metrics.mean_squared_error,
              metrics=[tf.keras.metrics.RootMeanSquaredError(name='rmse')])