如何为keras模型使用tensorflow自定义损失？

Question

我正在尝试通过使用中间层的表示来实现损失函数。据我所知，Keras 后端自定义损失函数只接受两个输入参数（y_ture 和 y-pred）。如何使用 @tf.function 定义损失函数并将其用于已通过 Keras 定义的模型？任何帮助将不胜感激。

Answer 1

这是将附加变量传递给损失函数的简单解决方法。在我们的例子中，我们传递了其中一层 (x1) 的隐藏输出。这个输出可以用来在损失函数中做一些事情（我做了一个虚拟操作）

def mse(y_true, y_pred, hidden):
    error = y_true-y_pred
    return K.mean(K.square(error)) + K.mean(hidden)


X = np.random.uniform(0,1, (1000,10))
y = np.random.uniform(0,1, 1000)

inp = Input((10,))
true = Input((1,))
x1 = Dense(32, activation='relu')(inp)
x2 = Dense(16, activation='relu')(x1)
out = Dense(1)(x2)

m = Model([inp,true], out)
m.add_loss( mse( true, out, x1 ) )
m.compile(loss=None, optimizer='adam')
m.fit(x=[X, y], y=None, epochs=3)

## final fitted model to compute predictions
final_m = Model(inp, out)

如何为keras模型使用tensorflow自定义损失？

How to use tensorflow custom loss for a keras model?

python

machine-learning

keras

tensorflow

loss-function