Wie gewichtete binäre CrossEntropy auf theano zu implementieren?
Wie gewichtete binäre CrossEntropy auf theano zu implementieren?
My Convolutional Neuronal Netzwerk prognostiziert nur 0 ~~ 1 (Sigmoid).
Ich möchte meine Vorhersagen auf diese Weise bestrafen:
Grundsätzlich möchte ich MEHR bestrafen, wenn das Modell 0 voraussagt, aber die Wahrheit war 1.
Frage: Wie kann ich diese Weighted Binary CrossEntropy -Funktion mit theano und lasagne erstellen?
Ich habe das unten versucht
%Vor%Aber ich bekomme diesen Fehler unten:
TypeError: Eine neue Form in der Umformung muss ein Vektor oder eine Liste / ein Tupel von Skalaren sein. Got nach der Umwandlung in einen Vektor Subtensor {int64} .0.
Referenz: Ссылка
Referenz: Ссылка
2 Antworten
Dank der Entwickler der Lasagne-Gruppe habe ich das behoben, indem ich meine eigene Verlustfunktion aufgebaut habe.
%Vor%Um Ihren Syntaxfehler zu beheben:
Ändern
%Vor%bis
%Vor% T.reshape erwartet ein Tupel von Achsen, das haben Sie nicht angegeben, daher der Fehler.
Stellen Sie vor der Negation von Falsch-Negativen (Vorhersage 0, Wahrheit 1) sicher, dass dieser Vorhersagefehler nicht auf den Statistiken Ihrer Trainingsdaten basiert, da @ uyaseen vorgeschlagen .
Tags und Links python keras theano lasagne cross-entropy