我如何为模型指定将什么作为自定义损失函数的输入？

Question

我在 understanding/implementing 我的模型中的自定义损失函数中遇到问题。

我有一个 keras 模型，它由 3 个子模型组成，如您在模型架构中所见，

现在，我想在自定义损失函数中使用 model 和 model_2 的输出。我知道在损失函数定义中我可以写：

    def custom_mse(y_true, y_pred):
        *calculate stuff*
    return loss

但是我如何告诉模型将其 2 个输出作为损失函数的输入？

也许吧，我希望如此，它非常琐碎，但我没有在网上找到任何东西，如果你能帮助我，那就太棒了。

提前致谢

上下文： model 和 model_2 是相同的预训练模型，一个二元分类器，它预测 2 个输入（类图像类型）之间的交互). model_1 是一个生成模型，它将编辑其中一个输入。

因此：

    complete_model = Model(inputs=[input_1, input_2], outputs=[out_model, out_model2])
    opt = *an optimizer*
    
    complete_model.compile(loss=custom_mse,
                           ??????,
                           optimizer = opt,
                           metrics=['whatever'])

主要目标是将编辑输入的预测与未编辑输入的预测进行比较，因此模型将输出 2 个交互，我需要在损失函数中使用它们。

编辑： 谢谢安德烈的解决方案，

但是现在我无法同时实现 2 个损失函数，即 add_loss(func) 和 model.complie(loss=[ 中的经典 binary_crossentropy =60=], ...).

我可以添加一个 add_loss 指定 model_2.output 和标签吗？如果是你知道怎么做吗？

当我尝试运行他们提出的代码时，他们自己工作但不一起工作

ValueError: Shapes must be equal rank, but are 0 and 4 From merging shape 0 with other shapes. for '{{node AddN}} = AddN[N=2, T=DT_FLOAT](binary_crossentropy/weighted_loss/value, complete_model/generator/tf_op_layer_SquaredDifference_3/SquaredDifference_3)' with input shapes: [], [?,500,400,1].

Answer 1

您只能为标准损失函数签名（y_true、y_pred）添加损失 compile()。您不能使用它，因为您的签名类似于 (y_true, (y_pred1, y_pred2))。请改用 add_loss() API。看这里：https://keras.io/api/losses/

我如何为模型指定将什么作为自定义损失函数的输入？

How do i specify to a model what to take as input of a custom loss function?

python

deep-learning

keras

tensorflow

loss-function