有没有办法在 keras 中编写自定义损失函数？答案

【问题标题】：Is there a way to write up a custom loss function in keras?有没有办法在 keras 中编写自定义损失函数？
【发布时间】：2021-05-07 17:38:58
【问题描述】：

有没有办法在 keras 中编写自定义 MSE 损失函数？

我的训练样本是 k x n 输入的横截面数据，我的输出是时间 t 的 k x 1，但 t 的范围从 t-1 到 t-120（横截面数据的每月时间戳）。

我想编写一个自定义的 MSE 损失函数，它本质上对训练样本 t-120 赋予较低的权重，而对训练样本 t-1 赋予更高的权重。

有没有办法做到这一点？

这是一些在 keras 中编写自定义损失函数的简单代码。

def my_loss_fn(y_true, y_pred):

    squared_difference = tf.square(y_true - y_pred)
    return tf.reduce_mean(squared_difference, axis=-1)  # Note the `axis=-1`

model.compile(optimizer='adam', loss=my_loss_fn)

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

您可以使用类权重来为每个输出单元指定自定义权重，然后在 model.fit() 1 上指定它

【讨论】：

感谢这位天使。我查了一下——实际上可以在 model.fit() 中指定样本权重，而不是类权重（它可以解决分类问题），这似乎可以解决问题。谢谢
很高兴为您提供帮助：D