在训练和测试阶段如何使用不同的损失函数

Question

我想在训练阶段使用加权损失函数，而在测试阶段使用非加权损失函数。

我已经尝试过in_train_phase，但是在测试阶段，它仍然使用加权损失函数。

def custom_loss():  
        def euclidian_distance_loss(y_true, y_pred):
        edl_in_train = K.sqrt(K.sum(K.square((y_pred - y_true) * weight_matrix().reshape(1, 41, 41, 1))))
        edl = K.sqrt(K.sum(K.square(y_pred - y_true)))
        return K.in_train_phase(edl_in_train,edl)

    return euclidian_distance_loss

因为训练数据的形状是恒定的，并且测试不是恒定的，所以在测试阶段的开始就出现了错误：

  

tensorflow.python.framework.errors_impl.InvalidArgumentError：不兼容的形状

如何使此代码起作用，或者在这两个阶段中还有其他方法可以使用不同的损失函数吗？

Answer 1

在测试时，由于您没有最小化损失函数，因此损失函数的作用并不重要。我要做的是将未加权损失函数作为“指标”提供-这样，它不会对训练时的训练产生影响，但是在测试时，您可以自己对其进行分析，以了解模型的正确性。