Tensorflowカスタム区分的費用関数

Question

私は、本質的に区分されている、tensorflowにこのような何かカスタム費用関数を定義する必要があります正確にどのように私はtf.py_funcが存在することを承知していますが、私はわからないよ

def f1(a,b): 
    pass #Will do Calculation on a and b 
def f2(a,b): 
    pass #Will do Calculation on a and b 

def customCostFunction(calculated,target): 
    if(target > 0): #Trivial Criteria 
     return f1(calculated,target) 
    else: 
     return f2(calculated,target) 

を上記の場合に使用してください。本質的には、各テンソル（予測対目標）の各値について、私は予測値と目標値を私が定義した関数に渡す必要があります。これは渡された値によって若干異なる結果を返します2つの厳密に異なる学習事例）。

そして、トレーニングステップは次のように定義されます。

train = tf.train.AdamOptimizer(learning_rate = LEARNING_RATE).minimize(tf.reduce_sum(customCostFunction(model,targets),0)) 

Answer 1

私はあなたがtf.Variableあるテンソルcalculated_valuesを持っていることを、ここで仮定し、tf.placeholderあるtarget_valuesです。 （両方のベクトルが同じ次元を有する）。代わりにノード操作にあなたの費用関数をラップするのは、なぜあなたは、単に行わない：concat_bothがあるとき

bool_tensor = tf.greater(target, tf.zeros_as(target)) 
concat_both = tf.concat(1, [calculated_values, target_values]) 
required_cost_tensor = tf.select(bool_tensor, tf.map_fn(f1, concat_both), tf.map_fn(f2, concat_both)) 
tf.reduce_sum(required_cost_tensor, 0) 

をあなたが買ってあげるのタイプを可能にするためにあなたのf1とf2機能ビットを編集する必要がありますmap_fn

によってアンパックは、私はちょうど自分自身tensorflowで出始めている、と私は前にtf.py_funcを使ったことがないので、これは最も最適なソリューションではないかもしれません。