编辑

Question

我想将自定义MSE用于自动编码器。我有自动编码器的输入（X）和输出（Y）图像，它们实际上是同一幅图像。现在，在计算MSE的过程中，我们将计算真实输出（Y = X）和预测输出图像（Y'）之间的MSE。

让我们说，对于每个图像X，我都有一个派生图像X'，它是该图像的权重矩阵。 X'的大小与X或Y相同。它的值介于0到1之间。因此，在计算MSE时，我想使用X（也是Y和预期的重构输出），X'和预测的输出'。

如果有人可以建议我如何在Keras中使用它，我将非常感激。

Answer 1

您可以像这样制作损失层

class LossLayer(Layer):
    def __init__(self,  **kwargs):
        super(LossLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        super(LossLayer, self).build(input_shape)  # Be sure to call this somewhere!

    def call(self, x):
        input_image, weighted_image, predicted = x
        loss = weightedmse(input_image, weighted_image, predicted)
        return loss

def dummy_loss(y_true, y_pred):
    return tf.sqrt(tf.reduce_sum(y_pred))

在构建模型时像这样使用它。

input_image = Input(...)
weighted_image = Input(...)
x = Conv2D(...)(input_image)
.
.
loss_layer = LossLayer()([input_image, weighted_image, x])  # x here is the last Conv layer

您的数据生成器必须在__getitem___中返回类似的内容

[input_img, weighted], np.zeros((batch_size, 1))

编辑

定义完上述张量后，创建2个这样的模型

train_model = Model([input_image, weighted_image], loss_layer)
pridict_model = Model([input_image, weighted_image], x)
train_model.compile(optimizer='sgd', loss=dummy_loss)

如何在Keras中实现自定义加权MSE损失功能？

1 个答案:

编辑