keras自定义损失函数的方法

keras 在搭建神经网络时，提供了非常多便捷的函数，这里介绍一下如何自定义神经网络损失函数的方法。

我们可以通过编写一个返回标量并接受两个参数（即真值和预测值）的函数，在 Keras 中创建一个自定义损失函数。然后，我们将自定义损失函数传递给 model.compile 作为参数，就像处理任何其他损失函数一样。例如：

def my_loss(y_true, y_pred):
	# y_true: true labels. tensorflow/theano tensor
    # y_pred: predictions. tensorflow/theano tensor of the same shape as y_true
	...
	...
	...
    return scalar #返回一个标量值

然后在model.compile中指定：

model.compile(optimizer='sgd',loss=[my_loss],metrics=[...])

需要注意的坑：

• Keras损失函数只能将（y_true，y_pred）作为参数
• 在加载通过自定义损失函数训练的模型时，一定要记得调整加载模型代码，否则会报错。
• 损失函数一定是一个函数，不是一个计算表达式，用函数名包围起来再return。

原文链接：https://blog.csdn.net/miemieyang999/article/details/113498594