Question

我做了很多搜索，但仍然无法弄清楚编写一个具有多个输出的自定义损失函数，它们会相互影响。

我的神经网络定义为：

def NeuralNetwork():

    inLayer = Input((2,));
    layers = [Dense(numNeuronsPerLayer,activation = 'relu')(inLayer)];
    for i in range(10):
        hiddenLyr = Dense(5,activation = 'tanh',name = "layer"+ str(i+1))(layers[i]);
        layers.append(hiddenLyr);
    out_u = Dense(1,activation = 'linear',name = "out_u")(layers[i]);
    out_k = Dense(1,activation = 'linear',name = "out_k")(layers[i]);

    outLayer = Concatenate(axis=-1)([out_u,out_k]);

    model = Model(inputs = [inLayer], outputs = outLayer);

    return model

我现在正尝试定义自定义损失函数，如下所示：

def computeLoss(true,prediction):

          u_pred = prediction[:,0];
          k_pred = prediction[:,1];
          loss = f(u_pred)*k_pred;
          return loss;

其中f（u_pred）是对u_pred的某种操纵。当我仅使用u_pred（即仅来自神经网络的单个输出）时，代码似乎可以正常工作并产生正确的结果。但是，当我尝试为k_pred包括另一个输出并在损失函数中执行预测张量的切片时，我开始得到错误的结果。我感觉在Keras中处理多个输出时做错了，但是不确定我的错误在哪里。欢迎对我的前进方式提供任何帮助。

Answer 1

我发现您不能仅使用索引（即[：，0]或[：，1]）在tf中切片张量。该操作似乎无效。而是使用tensorflow中的内置函数作为在https://www.tensorflow.org/api_docs/python/tf/split?version=stable

中有详细说明

所以有效的语法是

（u_pred，k_pred）= tf.split（预测，num_or_size_splits = 2，轴= 1）;

Keras中的自定义损失函数结合了多个输出

1 个答案: