Keras 中带有附加变量输入的自定义损失/目标函数

Posted 2023-03-12

【中文标题】Keras 中带有附加变量输入的自定义损失/目标函数

【英文标题】：Custom loss/objective function with additional variable input in Keras

【发布时间】：2018-08-26 23:17:48

【问题描述】：

我正在尝试在 Keras（张量流后端）中创建一个自定义目标函数，其中包含一个附加参数，其值取决于正在训练的批次。

例如：

def myLoss(self, stateValues):
    def sparse_loss(y_true, y_pred):
        foo = tf.nn.softmax_cross_entropy_with_logits(labels=y_true, logits=y_pred)
        return tf.reduce_mean(foo * stateValues)
    return sparse_loss


self.model.compile(loss=self.myLoss(stateValue = self.stateValue),
        optimizer=Adam(lr=self.alpha))

我的火车功能如下

for batch in batches:
    self.stateValue = computeStateValueVectorForCurrentBatch(batch)
    model.fit(xVals, yVals, batch_size=<num>)

但是，损失函数中的 stateValue 并没有被更新。它只是使用 stateValue 在 model.compile 步骤中的值。

我想这可以通过将 placeHolder 用于 stateValue 来解决，但我不知道该怎么做。有人可以帮忙吗？

【参考方案1】：

您的损失函数没有得到更新，因为 keras 没有在每批之后编译模型，因此没有使用更新的损失函数。

您可以定义一个自定义回调，该回调将在每批之后更新损失值。像这样的：

from keras.callbacks import Callback

class UpdateLoss(Callback):
    def on_batch_end(self, batch, logs=):
        # I am not sure what is the type of the argument you are passing for computing stateValue ??
        stateValue = computeStateValueVectorForCurrentBatch(batch)
        self.model.loss = myLoss(stateValue)