[英]Is it possible to change the loss function dynamically during training?
我正在做一个机器学习项目，我想知道是否可以在网络训练时改变损失函数。 我不确定如何在代码中准确地做到这一点。
例如，从cross entropy loss开始训练，然后在训练中途切换到0-1 loss 。
您必须实现自己的算法。 这在 Tensorflow 中几乎是可能的。
这是一篇解决这个问题的相对较新的论文： Learning to Teach with Dynamic Loss Functions
在 Keras 训练期间动态更改损失函数，无需重新编译其他模型属性，如优化器
[英]Change loss function dynamically during training in Keras, without recompiling other model properties like optimizer
如何在训练期间修改每个时期的损失函数内的变量？
[英]How to modify a variable inside the loss function in each epoch during training?
使用 Tf.math.is_nan 函数训练期间的 Tensorflow NaN 损失
[英]Tensorflow NaN loss during training with Tf.math.is_nan function
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
