有没有办法使用 MLP/任何其他将目标函数和误差函数作为输入并返回最佳参数的算法？ [关闭]

【问题标题】：Is there a way to use MLP/any other Algorithms which take the objective and error functions as input and returns the optimum parameters? [closed]有没有办法使用 MLP/任何其他将目标函数和误差函数作为输入并返回最佳参数的算法？ [关闭]
【发布时间】：2021-11-29 02:48:57
【问题描述】：

我在想是否在 python 中有一个预先构建的 MLP 实现，可以将我的目标函数、损失函数和容差作为输入，并为我的函数返回最佳参数。我已经完成了 Tensorflow 和 scikit-learn 中的 MLP，但似乎没有这种情况。欢迎提出任何建议。

提前致谢

【问题讨论】：

标签： python machine-learning deep-learning neural-network mlp

【解决方案1】：

只要你的目标函数是可微的，这就是神经网络的设计目的。您可以在 TF 中编写任何函数作为目标，然后使用 SGD 训练您的 MLP。这是一个理解事情如何工作或接受“预建”不会像“解决我的问题”那样简单的问题，它需要更多的命令，但最终你要求的是从字面上看，任何 NN 实现，比如 TF、Keras 等。

例如，您可以使用Keras 并实现您的自定义损失

def my_loss_fn(y_true, y_pred):
    squared_difference = tf.square(y_true - y_pred)
    return tf.reduce_mean(squared_difference, axis=-1)  # Note the `axis=-1`

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

【讨论】：