在 Keras TF 中處理和組合兩個損失 function

Question

Is there a way to have two loss functions in Keras in which the second loss function takes the output from the first loss function?

我正在使用 Keras 研究神經網絡，我想在 model.compile() 中的損失項中添加另一個自定義 function 以對其進行正則化並以某種方式對其進行處理：

model.compile(loss_1='mean_squared_error', optimizer=Adam(lr=learning_rate), metrics=['mae'])

我想添加另一個損失 function 作為來自 Loss_1 輸出的預測值的總和，以便我可以告訴神經網絡最小化來自 Loss_1 model 的預測值的總和。 我該怎么做（loss_2）？

就像是：

model.compile(loss_1='mean_squared_error', loss_2= np.sum(****PREDICTED_OUTPUT_FROM_LOSS_FUNCTION_1****), optimizer=Adam(lr=learning_rate), metrics=['mae'])

如何實施？

Answer 1

您應該定義一個自定義損失 function

def custom_loss_function(y_true, y_pred):
   squared_difference = tf.square(y_true - y_pred)
   absolute_difference = tf.abs(y_true - y_pred)
   
   loss = tf.reduce_mean(squared_difference, axis=-1) + tf.reduce_mean(absolute_difference, axis=-1)

   return loss

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

我相信這會解決你的問題