我是否可以创建一个自定义正则化项（Keras），而不仅仅使用权重矩阵作为参数？

Question

如标题中所述，我希望能够通过创建自定义正则化项来惩罚我的模型权重

例：

def customized_regularizer(weight_matrix, parameterA, parameterB):
    return(K.sum(K.dot(parameterA, weight_matrix) - parameterB))

model.add(Dense(64, input_dim=64,
                kernel_regularizer=customized_regularizer))

然而，在查看Keras文档（https://keras.io/regularizers/）时，我看到：

“开发新的正则化器 任何接受权重矩阵并返回损失贡献张量的函数都可以用作正则化器，例如：“

因此，是否可以创建这样一个自定义正则化器

Answer 1

是的，您可以这样做：

def custom_reg_builder(parameterA, parameterB):

    def custom_reg(weight_matrix):
        return(K.sum(K.dot(parameterA, weight_matrix) - parameterB))

    return custom_reg


# ...

model.add(Dense(64, input_dim=64, kernel_regularizer=custom_reg_builder(0.1, 0.01)))