Question

我想在我的目标函数中将感知损失添加到MSE损失中。我为此编写了以下代码：

def custom_objective(y_true, y_pred):

   tosub = K.constant([103.939, 116.779, 123.68])
   y1 = vgg_model(y_pred * 255. - tosub)
   y2 = vgg_model(y_true * 255. - tosub)
   loss2 = K.mean(K.square(y2 - y1), axis=-1)
   loss1 = K.mean(K.square(y_pred - y_true), axis=-1)
   loss = loss1 + loss2

return loss

问题在于loss1的形状类似于(BatchSize, 224, 224)，但是loss2的形状为(BatchSize, 7, 7)，所以给我关于不兼容形状的错误是正确的。我想知道如何正确添加这两个？我应该先拆开吗？以及如何？

Answer 1

损失函数应始终返回标量（批次中的每个样本或整个批次中的每个样本），因为我们要最小化它（即您不能最小化向量，除非您通过“最小化向量”）。因此，将其简化为标量的一种简单方法是对所有轴取平均值，但批轴除外，该轴在内部进行平均：

loss2 = K.mean(K.square(y2 - y1), axis=[1,2,3])
loss1 = K.mean(K.square(y_pred - y_true), axis=[1,2,3])
loss = loss1 + loss2

更新：让我澄清一下，如果损失函数返回一个向量甚至一个nD数组（实际上上面的损失函数返回一个长度为batch_size的向量）就可以了，但是请记住，最后Keras takes the average of returned values才是损失的实际价值（将损失降到最低）。

Keras中的两个损失之和（感知和MSE）

1 个答案: