如何转换一个自定义的损失函数与logits，内置在tensorflow到keras？

Question

我有一个损失函数内建的tenstorflow，它需要logits和标签作为输入：

   def median_weight_class_loss(labels, logits):
       epsilon = tf.constant(value=1e-10)
       logits = logits + epsilon
       softmax = tf.nn.softmax(logits)
       #this is just the number of samples in each class in my dataset divided by the sum of samples 10015.
       weight_sample = np.array([1113,6705,514,327,1099,115,142])/10015
       weight_sample = 0.05132302/weight_sample
       xent = -tf.reduce_sum(tf.multiply(labels * tf.log(softmax + epsilon), weight_sample), axis=1)
       return xent

问题是keras损失函数的格式不同：

   custom_loss(y_true, y_pred)

它使用y_truey_pred作为输入，

我找到了一种在keras中获取Logit的方法，在模型的最后一层中使用线性激活而不是softmax。

   model.add(Activation('linear'))

但我需要我的模型在最后一层有softmax激活，你认为解决方案是什么？非常感谢。

Answer 1

严格来说，这个损失不需要logits，你可以通过修改损失直接输入softmax概率，比如：

def median_weight_class_loss(y_true, y_pred):
       epsilon = tf.constant(value=1e-10)
       weight_sample = np.array([1113,6705,514,327,1099,115,142])/10015
       weight_sample = 0.05132302/weight_sample
       xent = -tf.reduce_sum(tf.multiply(y_true * tf.log(y_pred + epsilon), weight_sample), axis=1)
       return xent