中间层可以直接在 keras 损失函数中访问吗？

Question

我很好奇损失函数是否可以在 keras 中实现中间层输出，而无需设计模型将中间层作为输出提供。我看到一个解决方案可以是将架构重新设计为 return 除了最终预测之外的中间层并将其用作解决方法，但我不清楚是否可以直接从损失函数访问层输出

Answer 1

I'm unclear whether a layer output can be accessed directly from a loss function

当然可以。

举个例子，考虑使用函数 API:

的这个模型

inp = keras.layers.Input(shape=(28, 28))
flat = keras.layers.Flatten()(inp)
dense = keras.layers.Dense(128, activation=tf.nn.relu)(flat)
out = keras.layers.Dense(10, activation=tf.nn.softmax)(dense)

model = keras.models.Model(inputs=inp, outputs=out )
model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

如果，比如说，我们想引入一个新的损失函数，它也会对我们的 dense 层输出的最大权重进行惩罚，那么我们可以编写一个自定义损失函数，如下所示：

def my_funky_loss_fn(y_true, y_pred):
  return (keras.losses.sparse_categorical_crossentropy(y_true, y_pred) 
        + keras.backend.max(dense))

我们只需将新的损失函数传递给 compile() 方法即可在我们的模型中使用它：

model.compile(optimizer='adam', 
              loss=my_funky_loss_fn,
              metrics=['accuracy'])

中间层可以直接在 keras 损失函数中访问吗？

Can intermediate layers be accessed directly within keras loss function?

python

keras

tensorflow

loss-function