如何在Keras中创建自定义损失函数，每个样本

Question

我有例如100个样本（100个输出）。我想用＆＃34; weight＆＃34;来编写自定义丢失函数。每个样本：

(target[j] - prediction[j])**2 + f(j),

其中f是自定义数字函数（例如j**2）。我怎样才能做到这一点 现在我只能创造普遍的＆＃34;损失函数（没有＆＃34;权重＆＃34;）：

def customloss(target,prediction):
   return (target - prediction)**2

问题是我无法获得索引（j）。

Answer 1

这可能无关紧要，但是您可以使用输入层创建第二个网络。向该输入层传递一个表示权重的数组。

现在包装您的模型：

person2

由于损失函数的输出也是张量，因此可以将weight_layer添加到损失中。 例如：

weight_layer = Input(shape=(None,dim))
m2 = Model(input=[m1.inputs,weight_layer],output=m1.outputs)