python自定义损失函数_tensorflow 自定义损失函数示例代码

这个自定义损失函数的背景：(一般回归用的损失函数是MSE, 但要看实际遇到的情况而有所改变)

我们现在想要做一个回归，来预估某个商品的销量，现在我们知道，一件商品的成本是1元，售价是10元。

如果我们用均方差来算的话，如果预估多一个，则损失一块钱，预估少一个，则损失9元钱(少赚的)。

显然，我宁愿预估多了，也不想预估少了。

所以，我们就自己定义一个损失函数，用来分段地看，当yhat 比 y大时怎么样，当yhat比y小时怎么样。

(yhat沿用吴恩达课堂中的叫法)

import tensorflow as tf

from numpy.random import RandomState

batch_size = 8

# 两个输入节点

x = tf.placeholder(tf.float32, shape=(None, 2), name="x-input")

# 回归问题一般只有一个输出节点

y_ = tf.placeholder(tf.float32, shape=(None, 1), name="y-input")

# 定义了一个单层的神经网络前向传播的过程，这里就是简单加权和

w1 = tf.Variable(tf.random_normal([2, 1], stddev=1, seed=1))

y = tf.matmul(x, w1)

# 定义预测多了和预测少了的成本

loss_less = 10

loss_more =