machine-learning - 我可以在 keras 中使用自己的成本函数吗？

Question

编译模型时，您将参数损失传递到编译函数中。例如:

model.compile(loss='mean_squared_error', optimizationr='adam')但我很好奇 Keras 是否有办法传递我自己的成本函数？

Answer 1

是的，可以。自定义损失可以实现为一个函数，该函数需要两个张量，即预测的 y 和真实值，并返回一个标量。该函数使用的数学需要在 tensorflow 函数上定义，以便模型能够通过它们反向传播值。如果您需要函数接受更多输入，而不仅仅是 y_pred 和 y_true，则可以将自定义损失包装在更广泛的函数中，该函数接受额外的参数并返回只需要 y_true 和 y_pred 的函数。下面是两个例子。

二元交叉熵和 mse 之间的混合损失

from keras.losses import mean_squared_error, binary_crossentropy

def my_custom_loss(y_true, y_pred):
    mse = mean_squared_error(y_true, y_pred)
    crossentropy = binary_crossentropy(y_true, y_pred)
    return mse + crossentropy

称重混合物(包裹)

def my_custom_loss_wrapper(mse_weight, xentropy_weight):
   def my_custom_loss(y_true, y_pred):
       mse = mean_squared_error(y_true, y_pred)
       crossentropy = binary_crossentropy(y_true, y_pred)
       return mse_weight * mse + xentropy_weight * crossentropy
   return my_custom_loss