Question

Keras有没有办法指定一个不需要传递目标数据的损失函数？

我试图指定一个省略y_true参数的损失函数，如下所示：

def custom_loss(y_pred):

但是我收到了以下错误：

Traceback (most recent call last):
  File "siamese.py", line 234, in <module>
    model.compile(loss=custom_loss,optimizer=Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0))
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 911, in compile
    sample_weight, mask)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 436, in weighted
    score_array = fn(y_true, y_pred)
TypeError: custom_loss() takes exactly 1 argument (2 given)

然后我尝试在不指定任何目标数据的情况下调用fit()：

 model.fit(x=[x_train,x_train_warped, affines], batch_size = bs, epochs=1)

但看起来没有传递任何目标数据会导致错误：

Traceback (most recent call last):
  File "siamese.py", line 264, in <module>
    model.fit(x=[x_train,x_train_warped, affines], batch_size = bs, epochs=1)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 1435, in fit
    batch_size=batch_size)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 1322, in _standardize_user_data
    in zip(y, sample_weights, class_weights, self._feed_sample_weight_modes)]
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 577, in _standardize_weights
    return np.ones((y.shape[0],), dtype=K.floatx())
AttributeError: 'NoneType' object has no attribute 'shape'

我可以手动创建与神经网络输出相同形状的虚拟数据，但这看起来非常混乱。是否有一种简单的方法可以在Keras中指定我缺少的无监督损失函数？

Answer 1

我认为最好的解决方案是自定义培训，而不是使用model.fit方法。

完整的演练已发布在Tensorflow tutorials page中。

Answer 2

将损失函数编写为具有两个参数：

y_true
y_pred

如果您没有y_true，那很好，您不需要在内部使用它来计算损失，而是在函数原型中保留一个占位符，因此keras不会抱怨。 >

def custom_loss(y_true, y_pred):
    # do things with y_pred
    return loss

添加自定义参数

您可能还需要在损失函数内使用另一个参数，例如margin，即使自定义函数只应接受这两个参数。但是有一种解决方法，请使用lambda函数

def custom_loss(y_pred, margin):
    # do things with y_pred
    return loss

但使用起来像

model.compile(loss=lambda y_true, y_pred: custom_loss(y_pred, margin), ...)

Keras中的无监督损失函数

2 个答案: