Tensorflow：结合 LSTM 模型中的损失函数进行域适应答案

【问题标题】：Tensorflow: Combining Loss Functions in LSTM Model for Domain AdaptationTensorflow：结合 LSTM 模型中的损失函数进行域适应
【发布时间】：2018-08-12 16:46:56
【问题描述】：

谁能帮帮我？

我正在写我的论文。它是关于预测帕金森病的，因为我想建立一个 LSTM 模型来适应独立于患者。目前我已经使用 TensorFlow 和我自己的损失函数来实现它。

因为我计划在每批数据中同时引入标记的训练数据和未标记的训练数据来训练模型。我想在标记和未标记的火车数据上应用我自己的损失函数，并且还想仅在标记的火车数据上应用交叉熵损失。我可以在张量流中做到这一点吗？

所以我的问题是，我可以在不同训练数据集的单个模型训练中组合损失函数吗？

【问题讨论】：

标签： python tensorflow deep-learning keras lstm

【解决方案1】：

从实施的角度来看，简短的回答是肯定的。但是，我相信您的问题可能更具体，也许您的意思是您是否可以使用 tf.estimator 来做到这一点？

【讨论】：

感谢您的回复！您能举出任何使用 tf.estimator 的例子吗，这对我很有帮助