时间戳

首页 > 解决方案 > 我如何向模型指定将什么作为自定义损失函数的输入？

python - 我如何向模型指定将什么作为自定义损失函数的输入？

问题描述

我在理解/实现模型中的自定义损失函数时遇到问题。

我有一个由 3 个子模型组成的 keras 模型，正如您在模型架构中看到的那样，

模型架构

现在，我想在我的自定义损失函数中使用model和model_2的输出。我知道在损失函数定义中我可以写：

    def custom_mse(y_true, y_pred):
        *calculate stuff*
    return loss

但是我如何告诉模型将其 2 个输出作为损失函数的输入呢？

也许，我希望如此，它非常微不足道，但我没有在网上找到任何东西，如果你能帮助我，那就太棒了。

提前致谢

上下文： model和model_2是相同的预训练模型，一个二元分类器，它预测 2 个输入（类图像类型）之间的交互。 model_1是一个生成模型，它将编辑其中一个输入。

所以：

    complete_model = Model(inputs=[input_1, input_2], outputs=[out_model, out_model2])
    opt = *an optimizer*
    
    complete_model.compile(loss=custom_mse,
                           ??????,
                           optimizer = opt,
                           metrics=['whatever'])

主要目标是将预测与已编辑输入与未编辑输入的预测进行比较，因此模型将输出 2 个交互，我需要在损失函数中使用它们。

编辑： 谢谢安德烈的解决方案，

但是，现在我无法同时实现 2 个损失函数，即具有 add_loss(func) 和 model.complie(loss='binary_crossentropy', ...) 中的经典 binary_crossentropy 的那个。

我可以添加一个 add_loss 指定 model_2.output 和标签吗？如果是，你知道怎么做吗？

当我尝试运行他们提出的代码时，他们自己工作而不是一起工作

ValueError: Shapes must be equal rank, but are 0 and 4 From merging shape 0 with other shapes. for '{{node AddN}} = AddN[N=2, T=DT_FLOAT](binary_crossentropy/weighted_loss/value, complete_model/generator/tf_op_layer_SquaredDifference_3/SquaredDifference_3)' with input shapes: [], [?,500,400,1].

标签： pythontensorflowkerasdeep-learningloss-function

解决方案

您compile()只能为标准损失函数签名 (y_true, y_pred) 添加损失。您不能使用它，因为您的签名类似于 (y_true, (y_pred1, y_pred2))。请改用add_loss()API。见这里：https ://keras.io/api/losses/

推荐阅读