如何设计自定义损失 function 添加两个损失

Question

我正在使用 CNN 以监督方式解决回归问题。 我有输入数据（X_train）和目标数据（y_train）。

Answer 1

从 keras 将后端导入为 K def custom_loss(loss1, loss2): def loss(y_true, y_pred): return loss1(y_true, y_pred) + loss2(y_true, y_pred) return loss

用法示例

从 keras.losses 导入 mean_squared_error model.compile(loss=custom_loss(mean_squared_error, mean_absolute_error), optimizer='adam')

Answer 2

声明 model 后，您可以在model.compile步骤中定义自定义损失 function。 如果您需要对 MSE 和 MAE 求和，这里有一个片段：

model = keras.Sequential([
    Dense(32, input_shape=(10,), activation='softmax')
])

def custom_loss_function(y_true, y_pred):
    mse = MeanSquaredError()
    mae = MeanAbsoluteError()
    return mse(y_true, y_pred) + mae(y_true, y_pred)

model.compile(loss=custom_loss_function, optimizer='adam')

Answer 3

该示例定义了一个名为“custom_loss”的 function，它采用两个损失函数作为 arguments（loss1 和 loss2），并返回一个新的 function，它计算两个损失函数的结果之和，您可以在 Python 中使用 Keras 实现它图书馆：

///
from keras import backend as K
def custom_loss(loss1, loss2):
def loss(y_true, y_pred):
    return loss1(y_true, y_pred) + loss2(y_true, y_pred)
return loss
# Example usage
from keras.losses import mean_squared_error
model.compile(loss=custom_loss(mean_squared_error, mean_absolute_error), optimizer='adam')