Keras 中的 RMSE/RMSLE 损失函数

我尝试参加我的第一次 Kaggle 比赛RMSLE给出作为所需的损失函数。因为我没有找到如何实现这个loss function我试图满足于RMSE。我知道这是一部分Keras过去，有什么方法可以在最新版本中使用它，也许通过定制功能backend?

这是我设计的神经网络：

from keras.models import Sequential
from keras.layers.core import Dense , Dropout
from keras import regularizers

model = Sequential()
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu", input_dim = 28,activity_regularizer = regularizers.l2(0.01)))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu"))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 1, kernel_initializer = "uniform", activation = "relu"))
model.compile(optimizer = "rmsprop", loss = "root_mean_squared_error")#, metrics =["accuracy"])

model.fit(train_set, label_log, batch_size = 32, epochs = 50, validation_split = 0.15)

我尝试了定制root_mean_squared_error我在 GitHub 上找到了函数，但据我所知，语法不是必需的。我觉得y_true和y_pred必须在传递给返回之前定义，但我不知道到底是如何定义的，我刚刚开始用 python 编程，我的数学真的不太好......

from keras import backend as K

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true), axis=-1)) 

我使用此函数收到以下错误：

ValueError: ('Unknown loss function', ':root_mean_squared_error')

感谢您的想法，我感谢每一个帮助！

当您使用自定义损失时，您需要将其不带引号，因为您传递的是函数对象，而不是字符串：

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true))) 

model.compile(optimizer = "rmsprop", loss = root_mean_squared_error, 
              metrics =["accuracy"])