Question

如何定义自己的损失函数，该函数需要Keras中先前图层的权重和偏差参数？
如何从每一层获得[W1，b1，W2，b2，Wout，bout]？在这里，我们需要传递比平常更多的变量（y_true，y_pred）。我附上了两张图片供您参考。

我需要实现这个损失功能。 enter image description here

Answer 1

为了回答你的第二部分，我使用以下代码来获取模型中每个图层的标准以用于可视化目的：

for layer in model.layers:
    if('Convolution' in str(type(layer))):
        i+=1
        layer_weight = []
        for feature_map in layer.get_weights()[0]:
            layer_weight.append(linalg.norm(feature_map) / np.sqrt(np.prod(feature_map.shape)))
        l_weights.append((np.sum(layer_weight)/len(layer_weight), layer.name, i))
        weight_per_layer.append(np.sum(layer_weight)/len(layer_weight))
        conv_weights.append(layer_weight)

现在在损失函数中使用它我会尝试这样的事情：

def get_loss_function(weights):
   def loss(y_pred, y_true):
       return (y_pred - y_true) * weights # or whatever your loss function should be
   return loss
model.compile(loss=get_loss_function(conv_weights), optimizer=SGD(lr=0.1))

KERAS中自己的损失函数

1 个答案: