我可以在keras中使用自己的成本函数吗?

时间:2018-06-18 08:21:22

标签: machine-learning keras

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?

1 个答案:

答案 0 :(得分:5)

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