python - 自定义目标函数 Keras

Question

我需要定义自己的损失函数，我使用的是 GAN 模型，我的损失将包括真实图像和生成图像之间的逆向损失和 L1 损失。

我尝试编写一个函数但出现以下错误:

ValueError: ('Could not interpret loss function identifier:', Elemwise{add,no_inplace}.0)

我的损失函数是:

def loss_function(y_true, y_pred, y_true1, y_pred1):

    bce=0
    for i in range (64):
        a = y_pred1[i]        
        b = y_true1[i]        
        x = K.log(a)
        bce=bce-x
    bce/=64
    print('bce = ', bce)

    for i in zip( y_pred, y_true):
        img   = i[0]
        image = np.zeros((64,64),dtype=y_pred.dtype)
        image = img[0,:,:]                
        image = image*127.5+127.5                
        imgfinal = Image.fromarray(image.astype(np.uint8))

        img1 = i[1]
        image1 = np.zeros((64,64), dtype=y_true.dtype)
        image1 = img1[0,:,:]
        image1 = image1*127.5+127.5              
        imgfinal1 = Image.fromarray(image1.astype(np.uint8))

        diff = ImageChops.difference(imgfinal,imgfinal1)
        h = diff.histogram()
        sq = (value*((idx%256)**2) for idx, value in enumerate(h))       
        sum_of_squares = sum(sq)
        lossr = math.sqrt(sum_of_squares/float(im1.size[0] * im1.size[1]))
        loss  = loss+lossr

    loss /=(64*127) 
    print('loss = ', loss)

    return x+loss

Answer 1

根据您的评论，您说您正在将自定义函数传递给编译操作，如下所示:

discriminator_on_generator.compile(loss = loss_function(y_true ,y_pred ,y_true1 ,y_pred1), optimizer=g_optim)

然而，根据docs你应该像这样传递你的自定义函数:

discriminator_on_generator.compile(loss = loss_function, optimizer=g_optim)

你可以看看这个github discussion它们还指示如何使用自定义损失函数。

注意:由于您在函数中需要 4 个参数并且最多只能有 2 个参数，因此您可以按照此 github issue 中的建议进行操作，这涉及到定义一个容器函数来处理这些额外的参数，例如:

def loss_function(y_true1, y_pred1):
    def my_nested_function(y_true, y_pred):
        #now you can work with all 4 variables here

并在编译时将其作为参数传递:

discriminator_on_generator.compile(loss=loss_function(y_true1, y_pred1), optimizer=g_optim)

或者，您可以合并您的 4 个参数为 2 个(y_true、y_predict)，然后在您的单个函数中将它们拆分为您的 4 个变量(y_true、y_pred、y_true1、y_predict1)，因为它们也讨论那个问题。