时间戳

首页 > 解决方案 > Keras/Tensorflow：单输出的组合损失函数

python - Keras/Tensorflow：单输出的组合损失函数

问题描述

我的模型只有一个输出，但我想结合两种不同的损失函数：

def get_model():
    # create the model here
    model = Model(inputs=image, outputs=output)

    alpha = 0.2
    model.compile(loss=[mse, gse],
                      loss_weights=[1-alpha, alpha]
                      , ...)

但它抱怨我需要有两个输出，因为我定义了两个损失：

ValueError: When passing a list as loss, it should have one entry per model outputs. 
The model has 1 outputs, but you passed loss=[<function mse at 0x0000024D7E1FB378>, <function gse at 0x0000024D7E1FB510>]

我是否可以在不必创建另一个损失函数的情况下编写最终的损失函数（因为这会限制我在损失函数之外更改 alpha）？

我该怎么做(1-alpha)*mse + alpha*gse？

更新：

我的两个损失函数都等效于任何内置 keras 损失函数的函数签名，接受y_true并y_pred返回张量以用于损失（可以使用 减少为标量K.mean()），但我相信，这些损失函数的定义方式应该只要它们返回有效损失，就不会影响答案。

def gse(y_true, y_pred):
    # some tensor operation on y_pred and y_true
    return K.mean(K.square(y_pred - y_true), axis=-1)

标签： pythontensorflowkerasloss-function

解决方案

为损失指定一个自定义函数：

model = Model(inputs=image, outputs=output)

alpha = 0.2
model.compile(
    loss=lambda y_true, y_pred: (1 - alpha) * mse(y_true, y_pred) + alpha * gse(y_true, y_pred),
    ...)

或者，如果您不希望丑陋的 lambda 使其成为实际函数：

def my_loss(y_true, y_pred):
    return (1 - alpha) * mse(y_true, y_pred) + alpha * gse(y_true, y_pred)

model = Model(inputs=image, outputs=output)

alpha = 0.2
model.compile(loss=my_loss, ...)

编辑：

如果你alpha不是一些全局常数，你可以有一个“损失函数工厂”：

def make_my_loss(alpha):
    def my_loss(y_true, y_pred):
        return (1 - alpha) * mse(y_true, y_pred) + alpha * gse(y_true, y_pred)
    return my_loss

model = Model(inputs=image, outputs=output)

alpha = 0.2
my_loss = make_my_loss(alpha)
model.compile(loss=my_loss, ...)

推荐阅读