KERAS 中的自身损失函数答案

【问题标题】：Own Loss Function in KERASKERAS 中的自身损失函数
【发布时间】：2017-12-21 01:09:24
【问题描述】：

如何定义我自己的损失函数，它需要 Keras 中先前层的权重和偏差参数？
如何从每一层获得 [W1, b1, W2, b2, Wout, bout]？在这里，我们需要传递比平常更多的变量（y_true，y_pred）。我附上了两张图片供您参考。

我需要实现这个损失函数。 enter image description here

【问题讨论】：

标签： tensorflow computer-vision deep-learning keras

【解决方案1】：

为了回答您的第二部分，我使用以下代码来获取模型中每一层的规范以用于可视化目的：

for layer in model.layers:
    if('Convolution' in str(type(layer))):
        i+=1
        layer_weight = []
        for feature_map in layer.get_weights()[0]:
            layer_weight.append(linalg.norm(feature_map) / np.sqrt(np.prod(feature_map.shape)))
        l_weights.append((np.sum(layer_weight)/len(layer_weight), layer.name, i))
        weight_per_layer.append(np.sum(layer_weight)/len(layer_weight))
        conv_weights.append(layer_weight)

现在要在损失函数中使用它，我会尝试这样的事情：

def get_loss_function(weights):
   def loss(y_pred, y_true):
       return (y_pred - y_true) * weights # or whatever your loss function should be
   return loss
model.compile(loss=get_loss_function(conv_weights), optimizer=SGD(lr=0.1))

【讨论】：

还有一个问题说，比如我在用l2_regularization，Tensorflow有-tf.nn.l2_loss这个可以用吗？ 1. K.sum(K.square(K.abs(Weights))) 2. tf.nn.l2_loss 可以互换使用吗？
我很确定 l2 正则化存储在模型的层中，可以使用层接口提取。