[深度之眼]TensorFlow2.0项目班-回归模型之自定义loss

常用的损失函数
分类问题：交叉熵 （CE，Cross Entropy）
回归问题：均方根误差 （MSE，Mean Square Error）

以一个简单的例子实现自定义loss
假设某商品销售金额仅由变量x1和x2确定（y=x1+x2+噪声）
用到以下tf函数：

tf.where(条件，a，b)  # 条件为真返回a，条件为假返回b
tf.greater(a,b)      # 比大小，a>b 返回真，a<=b 返回假

代码：

import tensorflow as tf
import numpy as np

seed = 6
cost = 1
profit = 99

rdm = np.random.RandomState(seed)
x = rdm.rand(32, 2)
y_ = [[x1 + x2 + (rdm.rand() / 10.0 - 0.05)] for (x1, x2) in x]  # 生成噪声
x = tf.cast(x, dtype=tf.float32)

w = tf.Variable(tf.random.normal([2, 1], stddev=1, seed=1))

epoch = 10000
lr = 0.002

for epoch in range(epoch):
    with tf.GradientTape() as tape:
        y = tf.matmul(x, w)
        # loss = tf.reduce_mean(tf.square(y_ - y))  均方根误差损失函数
        loss = tf.reduce_sum(tf.where(tf.greater(y, y_), (y - y_) * cost, (y_ - y) * profit))  # 自定义损失函数，greater为比大小函数

    grads = tape.gradient(loss, w)
    w.assign_sub(lr * grads)

    if epoch % 500 == 0:
        print("After %d training steps,w is " % (epoch))
        print(w.numpy(), "\n")
print("Final w is: ", w.numpy())

若不考虑 成本cost 和 利润profit，以均方根误差为损失函数，训练结果如下：
十分接近预先设置的 y=x1+x2

若考虑成本和利润，多生产亏钱，少生产少赚钱
假设商品成本为1，利润为99（暴利），按理说多生产一些更好，用自定义损失函数训练结果如下：

符合预先设想，x1和x2均大于1