Keras自定义度量给出了不正确的张量形状

Question

我想通过定义我自己的自定义度量(使用Theano后端)来监视y_pred的维度

def shape_test(y_true, y_pred):
    return K.shape(y_pred)[0]

我假设自定义度量函数中y_pred的维度等于小批量大小。然而，我得到奇怪的输出。请看下面一个可复制的小示例。

#imports and definitions
import numpy
numpy.random.seed(1234)
import keras.backend as K
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
neuron_num=20
dim_input=2
#batch size will be important below!
batch_size=2048
TT=int(1e4)
#sample data
X=numpy.random.randn(TT,dim_input)
eps=numpy.random.randn(TT)
Y=0.3*X[:,0]+0.5*X[:,1]+eps
x={"is":X[:(TT/2),:],"os":X[(TT/2+1):,:]}
y={"is":Y[:(TT/2)],"os":Y[(TT/2+1):]}

这是上面给出的自定义度量

def shape_test(y_true, y_pred):
    return K.shape(y_pred)[0]

现在定义一个简单的NN

sgd=SGD(lr=1e-2,nesterov=True)
model=Sequential()
model.add(Dense(neuron_num,
                input_dim=x["is"].shape[1],
                init="glorot_normal",
                activation="tanh"))
model.add(Dense(neuron_num,init="glorot_normal",activation="tanh"))
model.add(Dense(1,init="glorot_normal",activation="linear"))
model.compile(loss="mean_squared_error",
              optimizer=sgd,
              metrics=["mean_squared_error",shape_test])
model.fit(x["is"],
          y["is"],
          validation_data=(x["os"],y["os"]),
          nb_epoch=1,
          batch_size=batch_size,
          verbose=False).history

这给

#{'loss': [1.834826689338684],
# 'mean_squared_error': [1.834826689338684],
# 'shape_test': [1841],
# 'val_loss': [1.4931119817522769],
# 'val_mean_squared_error': [1.4931119817522769],
# 'val_shape_test': [1841.1716343268654]}

我本来希望看到'shape_test': [2048]而不是'shape_test': [1841]，因为批大小是2048。

这看起来很奇怪。这可能是个bug吗?我使用Python 2.7.6, Keras==1.0.8, Theano==0.8.2和CPU。

Answer 1

使用neuron_num=2000和verbose=True，以下是我能够使用您的示例生成的内容:

Epoch 1/1
2048/5000 [========>............] - ETA: 9s - loss: 1.4507 - shape_test: 2048.000
4096/5000 [=================>...] - ETA: 3s - loss: 1.3577 - shape_test: 2048.000
5000/5000 [=====================] - 26s - loss: 1.3087 - shape_test: 1841.1648 - val_shape_test: 1841.1716

如您所见，您的形状函数似乎工作得很好。但是由于batch_size不是训练集大小的除数，所以最后一批只包含904个示例。我现在似乎猜不出Keras是怎么想出1841的，但它可能并不复杂。

另一个尝试batch_size=2500看起来更好:

2500/5000 [==========>..........] - ETA: 9s - loss: 1.4292 - shape_test: 2500.0000
5000/5000 [=====================] - 24s - loss: 1.3311 - shape_test: 2500.0000 - val_shape_test: 2499.5001