我可以在keras中使用自己的成本函数吗？

Question

编译模型时，将参数丢失传递给编译函数。例如：

model.compile（loss ='mean_squared_error'，optimizer ='adam'） 但我很奇怪Keras是否有办法通过我自己的成本函数？

Answer 1

是的，你可以。自定义丢失可以实现为需要两个张量的函数，即预测的y和基础事实，并返回标量。函数使用的数学需要在张量流函数上定义，以便模型能够通过它们反向传播值。如果你需要你的函数接受比y_pred和y_true更多的输入，你可以将自定义损失包装在一个更广泛的函数中，它接受额外的参数并返回一个只需要y_true和y_pred的函数。以下是两个例子。

二元交叉熵和mse

之间的混合损失

from keras.losses import mean_squared_error, binary_crossentropy

def my_custom_loss(y_true, y_pred):
    mse = mean_squared_error(y_true, y_pred)
    crossentropy = binary_crossentropy(y_true, y_pred)
    return mse + crossentropy

加权混合物（包裹）

def my_custom_loss_wrapper(mse_weight, xentropy_weight):
   def my_custom_loss(y_true, y_pred):
       mse = mean_squared_error(y_true, y_pred)
       crossentropy = binary_crossentropy(y_true, y_pred)
       return mse_weight * mse + xentropy_weight * crossentropy
   return my_custom_loss