有没有办法在整体损失函数中添加 keras 'custom layer' based/specific 惩罚？
Is there a way to add keras 'custom layer' based/specific penalty to the overall loss function?
我有一个 keras 序列模型，里面有一些自定义层。现在，在其中一层中，基于该特定层的输入，我想计算一个惩罚，并且我希望将惩罚添加到优化器试图最小化整体的损失函数中。
我已经了解了 tf.keras.layers.ActivityRegularization 的概念，但还在苦苦思索如何解决我的问题。
如果要"add"，只需要计算图层output/loss，然后使用model.add_loss(loss_tensor)
....
loss_tensor = MyCustomLayer(...)(layer_inputs)
....
model = Model(model_inputs, model_outputs)
model.add_loss(loss_tensor)
model.compile(loss=any_normal_loss)
我有一个 keras 序列模型，里面有一些自定义层。现在，在其中一层中，基于该特定层的输入，我想计算一个惩罚，并且我希望将惩罚添加到优化器试图最小化整体的损失函数中。
我已经了解了 tf.keras.layers.ActivityRegularization 的概念，但还在苦苦思索如何解决我的问题。
如果要"add"，只需要计算图层output/loss，然后使用model.add_loss(loss_tensor)
....
loss_tensor = MyCustomLayer(...)(layer_inputs)
....
model = Model(model_inputs, model_outputs)
model.add_loss(loss_tensor)
model.compile(loss=any_normal_loss)