时间戳

首页 > 解决方案 > 如何创建通道敏感损失函数？

python - 如何创建通道敏感损失函数？

问题描述

我正在研究递归自动编码器。神经网络采用两个 2D 图像，每个图像的形状为 (28,28,1)，并组合以创建 (28,28,2) 的输入。它们被编码为 (28,28,1) 形状，并被解码回原始形状 (28,28,2)。因此，可以将编码形式的数据馈送到自动编码器中进行递归操作。

我们可以假设通道 1 是一个新图像，通道 2 是之前编码的数据。如何创建一个损失函数，对重建通道 2 的错误进行更严重的惩罚（因为这将携带先前编码的数据）？

我在 Keras 工作，有一个 Tensorflow 后端。

或者，有没有办法将网络训练为一棵完整的树，而不是只为单个两个输入 - 一次两个输出块？

标签： pythonrecursiontensorflowkerasautoencoder

解决方案

您可以将解码后的 (28, 28, 2) 分离回 2 张图像作为输出，并用于loss_weights分配重要性权重。从文档中：

model.compile(optimizer='rmsprop', loss='binary_crossentropy',
              loss_weights=[1., 0.2])

是的，Keras 中的所有模型都类似于层，因此您可以将它们链接在一起以构建树。然后您可以一次性训练网络并决定是否要共享权重等。但是，训练可能会更加困难。我建议使用功能 API 来创建这些更复杂的结构，以便您拥有更多控制权。

推荐阅读