如何在 Keras 中创建每个样本都不同的自定义损失函数答案

【问题标题】：How can I create custom loss function in Keras which is different for each sample如何在 Keras 中创建每个样本都不同的自定义损失函数
【发布时间】：2016-11-16 13:01:46
【问题描述】：

我有例如100 个样本（100 个输出）。我想为每个样本编写带有“权重”的自定义损失函数：

(target[j] - prediction[j])**2 + f(j),

其中 f 是自定义数值函数（例如 j**2）。我怎样才能做到这一点现在我只能创建“通用”损失函数（没有“权重”）：

def customloss(target,prediction):
   return (target - prediction)**2

问题是我无法获取索引 (j)。

【问题讨论】：

为什么不添加一个额外的参数weight？每个样本的权重向量。
问题是 AFAIK 权重只能乘以结果，所以我会得到这样的结果： (target[j] - prediction[j])**2 * f(j) 我想添加“权重”而不是乘以它们

标签： python keras loss

【解决方案1】：

这可能不再相关，但您可以使用输入层创建第二个网络。向那个输入层传递一个代表权重的数组。

现在包装你的模型：

weight_layer = Input(shape=(None,dim))
m2 = Model(input=[m1.inputs,weight_layer],output=m1.outputs)

由于损失函数的输出也是张量，因此您可以将 weight_layer 添加到损失中。例如：

def customloss(y_true,y_pred):
    return K.binary_crossentropy(y_true,y_pred) + weight_layer
m2.compile(optimizer='adam',loss=customloss,...)

【讨论】：