如何在 Keras 中使用多个变量作为具有一个输出的模型的损失？

Question

我有一个只有一个输出的 Keras 模型，但为了计算自定义损失，我想将模型的输出与两个变量进行比较。但问题是，如果我希望 y_true 具有 (?, 2) 的形状，y_pred 也会具有 (?, 2) 的形状，而它应该是 (?, 1)。我可以将其中一个变量作为附加输入传递给模型，并在计算损失时使用输入层，但实际上这个变量应该是未知的，因为它必须由模型预测。为了使目的更清楚，这里有一个类似于我想做的事情的例子：

def loss(y_true1, y_true2, y_pred):
    return K.mean(K.square(y_pred-y_true1) + K.square(y_pred-y_true2), -1)

Answer 1

你可以有不同的形状和自定义损失，没问题。你只需要有一致的结果。

几个选项

def loss(y_true, y_pred): #where true is shape (batch, 2) and pred is shape (batch, 1)
    return K.mean(K.square(y_true - y_pred), axis=-1)

def loss(y_true, y_pred): #where true is shape (batch, 2) and pred is shape (batch,)
    return K.square(y_pred - y_true[:,0]) + K.square(y_pred - y_true[:,1])

def loss(y_true, y_pred): #where true is shape (batch, 2) and pred is shape (batch,)
    y_pred = K.reshape(y_pred, (-1,1))
    return K.mean(K.square(y_true - y_pred), axis=-1)

如何在 Keras 中使用多个变量作为具有一个输出的模型的损失？

How to use multiple variables as loss for a model with one output in Keras?

python

python-3.x

keras

tensorflow

loss-function