Die keras benutzerdefinierte Verlustfunktion unter Verwendung anderer Argumente als y_pred und y_true ⇐ Python

[Anonymous]

Ich dachte an die Idee, ein wahrnehmungsartiges neuronales Netzwerk zu verwenden, um mein Problem zu lösen. Ich habe einen Datensatz, der zum Einfachheit halber so aussieht: < /p>

Code: Select all

id entryWoodLength entryWoodThickness cuttingToolPos1 cuttingToolPos2 exitWoodLength exitWoodThickness
1        5.5              1.6               2.1             2.2             4.2            1.6
2        5.7              1.5               2.2             2.6             4.2            1.5
3        6.5              1.8               2.6             2.7             4.3            1.6
4        5.9              1.7               2.4             2.9             4.2            1.5
5        5.8              1.5               2.2             2.6             4.1            1.5
< /code>

Und ich dachte, ein neuronales Netzwerk zu probieren, in dem die Eingabe die Holzabmessungen (EntrywoodLenth und EntrywoodThickness) und die Ausgabe die Position der Schneidwerkzeuge (Cuttoolpos1 und Cuttoolpos2) hätten. Wir wissen bereits, wie die ideale Dimension des Ausgangs Holz sein sollte (4,2 für Länge und 1,5 für die Dicke, beispielsweise). Wir möchten also, dass sich unser Netzwerk technisch an den tatsächlichen Werten des Holzes (ExitwoodLength und Exitwoodthickness) optimiert. Das heißtmean_squared_error(exitWoodLength, 4.2) + mean_squared_error(exitWoodThickness, 1.5)

Ermöglicht Keras jedoch nur benutzerdefinierte Verlustfunktionen, die die Argumente von Y_PRED und y_true verwenden, die in unserem Fall Cuttoolpos1 und CuttoolPos2, nicht die Werte, die wir für die Verlustfunktion wollen. Ich habe darüber nachgedacht, eine Schließfunktion zu verwenden und einfach die Argumente von Y_PRED und y_true zu ignorieren, etwas im Sinne:

def custom_loss(exitWoodLength, exitWoodThickness):

def loss(y_pred, y_true):

mean_squared_error(exitWoodLength, 4.2) + mean_squared_error(exitWoodThickness, 1.5)

return loss
< /code>

Aber ich mache mir Sorgen um Indizes und wenn es überhaupt machbar ist. Bin ich auf einem korrekten Weg oder völlig falsch darin, neuronale Netzwerke zu verwenden?