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仅接受两个输入参数（y_ture和y-pred）。如何使用@ tf.function定义损失函数并将其用于通过Keras定义的模型？任何帮助将不胜感激。

Answer 1

这是一个简单的解决方法，可以将其他变量传递给损失函数。在本例中，我们传递了一层（x1）的隐藏输出。此输出可用于在损失函数内做某事（我做一个虚拟操作）

def mse(y_true, y_pred, hidden):

    error = y_true-y_pred
    return K.mean(K.sqrt(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.summary()

history = m.fit([X, y], y, epochs=10)

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

如何将tensorflow自定义损失用于keras模型？

1 个答案: