python工具方法 7 keras默认loss库中添加rmse

最新推荐文章于 2024-05-01 09:38:17 发布

万里鹏程转瞬至

最新推荐文章于 2024-05-01 09:38:17 发布

阅读量3.2k

点赞数 2

分类专栏： python工具方法文章标签： kreas 人工智能

本文链接：https://blog.csdn.net/a486259/article/details/108104917

版权

python工具方法专栏收录该内容

49 篇文章 117 订阅 ¥49.90 ¥99.00

订阅专栏

本文介绍了如何在Keras的loss库中添加RMSE（均方根误差）方法，以解决在处理高维数据时计算loss返回nan的问题。通过编辑Keras源代码的`losses.py`文件，定义`RootMeanSquaredError`方法并更新引用，使得模型能正确计算RMSE。同时，文章提供了在`metrics.py`中添加RMSE方法，以便在不同loss下观察RMSE的变化。相关代码可以在指定链接下载并应用于Keras库目录。

摘要由CSDN通过智能技术生成

在keras的loss库中添加rmse方法有三大作用：

1、可以避免在各个py文件中重新定义rmse损失方法

2、在模型导入时，避免了需要传入特定的函数

3、使用默认的rmse方法在计算3维、4维更高维度时不会返回nan

主要原因：

作者在使用自定义的rmse方法时发现无法对三维数据计算loss，返回值为nan；后来使用keras的mse方法，复制出来改成rmse的方法也无法使用。最后在keras的loss库中添加rmse方法，成功使模型能正常使用rmse方法。

操作步骤：

1、打开keras库下的losse.py文件，并创建root_mean_squared_error方法，最终效果如图1所示

def root_mean_squared_error(y_true, y_pred):
    if not K.is_tensor(y_pred):
        y_pred = K.constant(y_pred)
    y_true = K.cast(y_true, y_pred.dtype)
    return K.sqrt(K.mean(K.square(y_pred - y_true), axis=-1))

了解本专栏