keras 流和反向传播答案

【问题标题】：keras flow and backpropagationkeras 流和反向传播
【发布时间】：2018-03-24 18:39:20
【问题描述】：

我在任何地方都找不到 Keras 中的反向传播到底是如何完成的？让我解释一下：

假设我有网络

input = Input(shape=(X,X,Y))
x = Conv2D(32,(3,3),padding="same")(input)
x = Conv2D(64,(3,3),padding="same")(x)
x = Conv2D(128,(3,3),padding="same")(x)
x = Conv2D(64,(3,3),padding="same")(x)
Output = Flatten(1024)(x)
Output = Flatten(6)(Output)
model = Model(input,Output)
model.compile(loss="mean_squared_error", optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
model.fit(trainingData,trainingLabels)

最后一层的输出与trainingLabels进行比较，计算mean squared error并根据mean squaed error的值进行反向传播

但是，如果我想要更多的东西怎么办。例如，我想尝试输出向量的每一个排列，导致最小mean squared error 的那个应该被视为输出，因此反向传播基于错误最小的排列发生。

这样的事情在 Keras 中可能吗？如果是这样，我该如何实现它

【问题讨论】：

标签： python neural-network keras artificial-intelligence

【解决方案1】：

model.compile 方法的 loss 参数接受 python 函数。您可以在自定义函数中计算一组排列的最小值：

def custom_loss(y_true, y_predicted):
    ''' code here '''

然后将其传递给model.compile:

model.compile(loss=custom_loss, 
              optimizer=keras.optimizers.Adam(),
              metrics=['accuracy'])

请参阅 here 和 here 以供参考。

【讨论】：