Question

我正试图想出一种创建自己的损失函数的方法。我在R.上使用了keras_model_sequential（）模型。

custom_loss <- function(x){
    post <- second_model(x)   #the current model
    pri <- first_model()      #another already defined model
    LOSS <- sum((pri-post)^2)
    return(LOSS)
}

问题是我没有基本的y_pred和y_true变量（keras的默认丢失函数需要），因为我没有标记示例。我只是有一个定义输入的随机模型。我的目标是通过最小化损失函数的成本来塑造模型。换句话说，我希望我的网络能够了解输出的好值（y）。

编辑：

x_train <- model1 %>% predict(input_vector)

--code defining the model2 --

y_true <- matrix(c(1),100,16)  #dummy, because no target values

delta <- model2 %>% predict(x_train)
adjusted_input <- input_vector + delta
adjusted_y <- model1 %>% predict(adjusted_input)
y_pred <- adjusted_y #(just to have the same variable names as argument)

custom_loss <- function(y_pred, y_true){

    LOSS <- sum((10-y_pred)^2)
    return(LOSS)
}

现在问题出现了......

model2 %>% compile(
  loss = custom_loss(y_pred, y_true),
  optimizer = optimizer_nadam(),
  metrics = c("mae")
)

Answer 1

好的，现在我明白了。由于您使用tensorflow后端，您必须在损失函数中传递张量对象并导入tensorflow的后端以进行计算。

所以

导入tensorflow后端
直接使用张量流操作在损失函数中进行这些计算

False

要input第一个模型的结果，您可以使用keras输入图层：

delta <- model2 %>% predict(x_train) adjusted_input <- input_vector + delta adjusted_y <- model1 %>% predict(adjusted_input) y_pred <- adjusted_

以下是guide。

当我没有真正的值时，如何编写自己的自定义丢失函数？

1 个答案: