具有动态全局变量的 Keras 自定义损失

Question

所以，我正在尝试为我的 keras 模型编写自定义损失函数。损失函数需要一个全局变量，该变量在每个 epoch 后都会发生变化来计算损失，但我无法获得动态损失。使用 tf.print() 它打印一个静态值。所以，任何人都可以指向一些资源/解决方案，以便我可以在损失函数中使用一个全局变量，该变量在每个时期都会发生变化。谢谢。

Answer 1

我也有同样的问题。我找到了多个可以解决上述问题的参考资料。但是，我仍在努力用自己的代码实现它。

方案一（推荐）：使用model.add_loss添加自定义损失函数。如需参考，您可以查看以下来源：

• Use additional *trainable* variables in Keras/Tensorflow custom loss function（阅读最后的注释，因为它描述了回调和 API 丢失函数之间的区别
• 添加损失函数作为层：https://tensorflow.google.cn/guide/keras/train_and_evaluate#handling_losses_and_metrics_that_dont_fit_the_standard_signature
• Keras Loss Function with Additional Dynamic Parameter
• https://www.py4u.net/discuss/212977
• https://tensorflow.google.cn/guide/keras/train_and_evaluate#handling_losses_and_metrics_that_dont_fit_the_standard_signature

解决方案二：对损失函数进行子类化（对于您的情况可能不是一个好的解决方案）

How to custom losses by subclass tf.keras.losses.Loss class in Tensorflow2.x

• 另一个子分类示例：What is the purpose of the add_loss function in Keras?
• 请参阅此来源的以下注释：What is the purpose of the add_loss function in Keras?

    def loss_carrier(extra_param1, extra_param2):
        def loss(y_true, y_pred):
            #x = complicated math involving extra_param1, extraparam2, y_true, y_pred
            #remember to use tensor objects, so for example keras.sum, keras.square, keras.mean
            #also remember that if extra_param1, extra_maram2 are variable tensors instead of simple floats,
            #you need to have them defined as inputs=(main,extra_param1, extraparam2) in your keras.model instantiation.
            #and have them defind as keras.Input or tf.placeholder with the right shape.
            return x
        return loss

    model.compile(optimizer='adam', loss=loss_carrier