自定义积分损失项Keras

问题描述：

我想在Keras中定义一个自定义损失函数，其中有一个附加项，它是神经网络输出域的一个整体。因此，这看起来像：自定义积分损失项Keras

关键的一点是，随着我已经指定整个域的整体运行，而不仅仅是训练数据。我不介意使用任何形式的正交来评估积分，我只需要能够评估它。目前，据文档显示，这是不可能与自定义损失，因为它只提供访问y_pred和y_true。

有没有在Keras中实现这一点的方法？

您可以添加更多关于您的模型如何定义（特别是输出）的细节？ –

答

如果这个想法是刚刚确定的其他变量，你可以做到这一点无论是内部（本地）或外部（全局）的损失函数，使用keras后台功能：

import keras.backend as K 

myDomain = K.variable(range(100))/10 #for instance 

def custom_loss(y_true,y_pred): 
    localVar = K.variable([[1,2],[3,1]]) 

    return calculationsWith(y_true,y_pred,localVar,myDomain)

则需要使用未来的功能是非常重要的从后端进行计算。（来自K或直接来自tensoflow，theano或CNTK）。

不完全。这个想法是我需要在独立于我的数据的点上评估网络本身。我想我的问题的一部分是，如果它允许评估损失函数内的网络？我想可能会使事情复杂化，因为网络是有状态的，但我可能是错的。如果我这样做，Keras仍然会管理自动分化。 – pragmatist1

只要你继续使用后端函数，并且不放弃'y_pred'值，它将是可区分的。但是，这种评估可能需要在培训批次之间完成，首先评估，存储值，然后适合批次。评估本身将被视为有关差异化的常数值。 –

自定义积分损失项Keras

相关推荐