केर में कस्टम लॉस फंक्शंस और लर्निंग क्वालिटी मेट्रिक्स का उपयोग करना

जब एक प्रशिक्षण सेट पर एक तंत्रिका नेटवर्क को प्रशिक्षित करते हैं, तो सीखने की दक्षता के दो प्रमुख पैरामीटर - त्रुटि और भविष्यवाणी सटीकता - तंत्रिका नेटवर्क के आउटपुट पर गणना की जाती है। इसके लिए, हानि फ़ंक्शन और सटीकता मीट्रिक का उपयोग किया जाता है। ये मेट्रिक्स कार्य (वर्गीकरण या छवि विभाजन, वस्तु का पता लगाने, प्रतिगमन) के आधार पर भिन्न होते हैं। केरस में, हम अपने विशिष्ट कार्य के लिए अपने स्वयं के नुकसान फ़ंक्शन और सटीकता मीट्रिक को परिभाषित कर सकते हैं। इस तरह के कस्टम कार्यों पर लेख में चर्चा की जाएगी। कौन परवाह करता है, कृपया, बिल्ली के नीचे।

क्रास में कस्टम लॉस फंक्शंस

उदाहरण के लिए, मान लें कि हमें औसत औसत त्रुटि (MAE) त्रुटि फ़ंक्शन को लागू करने की आवश्यकता है। कस्टम MAE हानि फ़ंक्शन को निम्नानुसार लागू किया जा सकता है:

from keras import backend as K def mae(y_true, y_pred): true_value = K.sum(y_true * K.arange(0, 100, dtype="float32"), axis=-1) pred_value = K.sum(y_pred * K.arange(0, 100, dtype="float32"), axis=-1) mae = K.mean(K.abs(true_value - pred_value)) return mae 

यहां हम केर में परिभाषित योग, अरेंज, माध्य और एब्स कार्यों का उपयोग करते हैं।

उसी तरह, आप अपनी सटीकता मीट्रिक को परिभाषित कर सकते हैं। उदाहरण के लिए, दो हिस्टोग्राम की तुलना करने के लिए earth_movers_distance मीट्रिक को परिभाषित करें:

 from keras import backend as K def earth_movers_distance(y_true, y_pred): cdf_true = K.cumsum(y_true, axis=-1) cdf_pred = K.cumsum(y_pred, axis=-1) emd = K.sqrt(K.mean(K.square(cdf_true - cdf_pred), axis=-1)) return K.mean(emd) 

हमारे mae और earth_movers_distance मेट्रिक्स का उपयोग करने के लिए, हम एक अलग मॉड्यूल से संबंधित कार्यों को आयात करते हैं और मॉडल को संकलित करते समय उन्हें नुकसान और मैट्रिक्स मापदंडों में जोड़ते हैं:

 from utils.metrics import mae, earth_movers_distance loss = earth_movers_distance model.compile(optimizer=optimizer, loss=loss, metrics=[mae, "accuracy"]) 

कस्टम हानि समारोह के साथ एक केरस मॉडल लोड हो रहा है

केरस में एक मॉडल को प्रशिक्षित करते समय, आप भविष्यवाणी चरण में प्रशिक्षित मॉडल के बाद के लोडिंग के लिए एच 5 फ़ाइल में मॉडल वजन बचा सकते हैं। यदि हम कस्टम लॉस फ़ंक्शंस और क्वालिटी मेट्रिक्स का उपयोग करते हैं, तो हम एक समस्या में भाग सकते हैं। जब हम load_weights विधि का उपयोग करके मॉडल के लिए h5 फ़ाइल से प्रशिक्षित भार उठाते हैं, तो हम निम्नलिखित त्रुटि प्राप्त कर सकते हैं:

 ValueError: Unknown loss function:earth_movers_distance 

यह केरस का एक प्रसिद्ध बग है ( उन्होंने इसके बारे में आधिकारिक भंडार में जीथब पर लिखा था )।

समस्या को हल करने के लिए, आपको हमारे कस्टम लॉस फ़ंक्शंस और क्वालिटी मेट्रिक्स को केरस में जोड़ने की आवश्यकता है:

 from keras.utils.generic_utils import get_custom_objects get_custom_objects().update({"earth_movers_distance": earth_movers_distance, "age_mae": age_mae}) 

अभी के लिए बस इतना ही। सभी को शुभकामनाएँ और आपको जल्द ही मिलते हैं!