仅根据训练时满足条件的样本更新keras模型的权重答案

【问题标题】：Update weights of keras model only based on samples that meet a condition while training仅根据训练时满足条件的样本更新keras模型的权重
【发布时间】：2020-03-27 01:58:20
【问题描述】：

我有一个使用 keras 的自动编码器模型，输入和输出形状为 (BATCH_SIZE, 20)。中间有一个过滤数据的 Lambda 层。换句话说，如果批量大小为 1000，则可能只有 700 个来自 Lambda 层。然后我想根据这 700 个样本更新权重。 Keras 有没有办法解决这个问题？

【问题讨论】：

使用自定义损失并进行过滤（或“掩码”）以在损失函数中处理此问题。使用 700 条数据进行损失计算，其余数据损失设为 0

标签： python tensorflow keras lambda model

【解决方案1】：

我最近处理过这种情况，我处理的方式是保持批次维度的灵活性。例如：如果您使用 TensorFlow，则将占位符定义为 [None, w, h, 3]（如果是图像）并开发您的模型。重量与批次尺寸无关。因此，当您减小axis = 0 上的计算大小时，其余的更改将相应地发生。基本上不定义任何具体的批量大小，保持灵活。

【讨论】：