自定义损失函数会影响 Keras 中的反向传播吗？

Question

我正在通过使用带有 tensorflow 后端的 Keras 来做一个项目。出于商业原因，我需要高度重视某种错误，所以我实现了一个自定义的损失函数。例如：

error = np.abs(y_true - predict)
if error > low_limit:
    error = error * 10

我发现这个自定义的损失函数确实改变了训练过程中显示的误差值。我想知道的是，这个新的损失函数是否真的可以改变训练期间反向传播的行为？因为我没有看到与模型的重量有太大差异。

Answer 1

简短的回答：是的，这个损失函数确实改变了 BP 的行为，但我很惊讶这个损失函数有效......

反正我觉得下面的损失函数更有意义

def my_mae( y_true, y_pred, low_bound=1e-3, coef=10. ) :
    raw_mae = keras.losses.mae( y_true, y_pred )
    mask = K.cast( raw_mae <= low_bound, dtype='float32' )
    #new_mae = mask * raw_mae * coef + (1-mask) * raw_mae
    new_mae = (1 + mask * (coef-1)) *raw_mae
    return new_mae

当样本损失太低时会产生额外损失。