在 Keras 中，我可以使用任意算法作为网络的损失函数吗？
In Keras, can I use an arbitrary algorithm as a loss function for a network?
我已经尝试理解这个机器学习问题很多天了，它真的让我很困惑，我需要一些帮助。
我正在尝试训练一个神经网络，其输入是一个图像，并生成另一个图像作为输出（它不是一个非常大的图像，它是 8x8 像素）。我有一个任意的 fancy_algorithm() "black box" 函数接收网络的输入和预测（两个图像）并输出一个浮点数，告诉如何网络的输出很好（计算损失）。我的问题是我想训练这个神经网络但是使用黑盒算法产生的损失。这个问题让我很困惑，我研究了很多但没有找到太多，看起来像强化学习，但同时我不确定因为它不像代理，但它有某种强化同时
如果您需要更多详细信息来帮助我，请询问。提前致谢！
好的问题解决了。这是一个强化学习问题。我不能对没有任何梯度的黑盒损失函数使用基于梯度的优化。此处有更多详细信息：https://www.reddit.com/r/tensorflow/comments/gekotd/can_i_use_an_arbitrary_algorithm_as_a_loss/
我已经尝试理解这个机器学习问题很多天了，它真的让我很困惑，我需要一些帮助。
我正在尝试训练一个神经网络，其输入是一个图像，并生成另一个图像作为输出（它不是一个非常大的图像，它是 8x8 像素）。我有一个任意的 fancy_algorithm() "black box" 函数接收网络的输入和预测（两个图像）并输出一个浮点数，告诉如何网络的输出很好（计算损失）。我的问题是我想训练这个神经网络但是使用黑盒算法产生的损失。这个问题让我很困惑，我研究了很多但没有找到太多，看起来像强化学习，但同时我不确定因为它不像代理，但它有某种强化同时
如果您需要更多详细信息来帮助我，请询问。提前致谢！
好的问题解决了。这是一个强化学习问题。我不能对没有任何梯度的黑盒损失函数使用基于梯度的优化。此处有更多详细信息：https://www.reddit.com/r/tensorflow/comments/gekotd/can_i_use_an_arbitrary_algorithm_as_a_loss/