Keras损失收敛到const

Question

我显然不明白的东西（第一个Keras玩具）

我的输入x，y。 X是1D实数值，y是标量，我想预测y是正还是负。一种方法是编码为一个hot并使用categorical_cross_entropy（哪个有效），另一个是具有相同的客户损失函数（这不起作用）我正在训练8个例子并检查我是否可以过度拟合。我的自定义功能卡在0.56

这是代码：

import keras.backend as K

def custom_cross_entrophy(y_true, y_pred):
    '''expected return'''
    return -(K.log(y_pred[:,0])*K.cast(y_true<=0, dtype='float32') 
            + K.log(y_pred[:,1])*K.cast(y_true>0, dtype='float32'))

def build_model(x_dim, unites, loss_fuc):
    model = Sequential()

    model.add(Dense(
        units=unites,
        activation='relu',
        input_shape=(x_dim,),
#         return_sequences=True
    ))
    model.add(Dense(
        units=2))
    model.add(Activation("softmax"))

    start = time.time()
    model.compile(loss=loss_fuc, optimizer="adam")
    print("Compilation Time : ", time.time() - start)
    return model

现在使用自定义构建和运行模型

model = build_model(X_train.shape[1], 20, custom_cross_entrophy)
model.fit(X_train,y_train,
    batch_size=8,epochs=10000,
    validation_split=0.,verbose=0)
print model.evaluate(X_train, y_train, verbose=1)

#assert my custom_cross_entrophy is like catergorical_cross_entropy
pred = model.predict(X)
y_onehot = np.zeros((len(K.eval(y_true)),2))
for i in range(len(K.eval(y_true))):
    y_onehot[i,int(K.eval(y_true)[i]>0)]=1

print K.eval(custom_cross_entrophy(K.variable(y_train), K.variable(pred)))
print K.eval(categorical_crossentropy(K.variable(y_onehot), K.variable(pred)))

输出：

（'编译时间：'，0.06212186813354492）8/8 [==============================] - 0s 52ms /步0.562335193157

[ 1.38629234 0.28766826 1.38613474 0.28766349 0.28740349 0.28795806 0.28766707 0.28768104]

[ 1.38629234 0.28766826 1.38613474 0.28766349 0.28740349 0.28795806 0.28766707 0.28768104]

现在对Keras的损失做同样的事情：

model = build_model(X_train.shape[1], 20, categorical_crossentropy)

model.fit(X_train,y_onehot,
    batch_size=8,epochs=10000,
    validation_split=0.,verbose=0)

print model.evaluate(X_train, y_onehot, verbose=1)

输出：（'编译时间：'，0.04332709312438965）8/8 [==============================] - 0s 34ms /步骤4.22694138251e-05

这怎么可能？损失应该是相同的数学谢谢！

Answer 1

在我的头脑中，我会说你正在进行两种不同的评估：

print model.evaluate(X_train, y_train, verbose=1)
# ...
print model.evaluate(X_train, y, verbose=1)

但是我不知道y和y_train中有什么，所以你可能需要进一步扩展你正在做的事情和你如何分割数据。尝试并运行：

print model.evaluate(X_train, y_onehot, verbose=1)

看看它是不是只是一个错字。

干杯