如何在keras中定制使用模型的损耗函数

Question

我正在尝试为keras NN模型制作一个自定义损失函数。 通常，损失函数的参数为y_prediction和y_true。 但是，我需要在自定义损失函数中使用模型，如 y_prediction = model(X_train)使用tf. GradientTape。 因此，我想知道的是如何在自定义损耗函数中使用最新的模型（正在进行拟合）

如果你对此有想法，请告诉我。 （对不起，我的英语不好）

Answer 1

您可以作为创建模型类并实现train_step方法：

class YourModel(Model):
    def __init__(self):
        super(YourModel, self).__init__()

        # define your model architecture here as an attribute of the class

  def train_step(data):
      with tf.GradientTape() as tape:
          # foward pass data through the architecture
          # compute loss (y_true, y_pred, any other param)
      
      # weight update
      gradients = tape.gradient(loss, self.trainable_variables) 
      self.optimizer.apply_gradients(zip(gradients, self.trainable_variables))

      return {
          'loss': loss
          # other losses
      }

  def call(self, x):
    # your forward pass implementation

    return # output

更多信息可在此处找到：https://www.tensorflow.org/tutorials/quickstart/advanced