Keras 自定义损失函数传递 y_true 和 y_pred 以外的参数

我正在编写一个 keras 自定义损失函数，其中我想将以下内容传递给该函数： y_true、y_pred（这两个无论如何都会自动传递）、模型内层的权重和一个常量。

像下面这样：

def Custom_loss(y_true, y_pred, layer_weights, val = 0.01):
    loss = mse(y_true, y_pred)
    loss += K.sum(val, K.abs(K.sum(K.square(layer_weights), axis=1)))
    return loss

但上面的实现给了我错误。 我怎样才能在 keras 中实现这一目标？

新答案

我认为你正在寻找 L2 正则化。只需创建一个正则化器并将其添加到图层中即可：

from keras.regularizers import l2

#in the target layers, Dense, Conv2D, etc.:
layer = Dense(units, ..., kernel_regularizer = l2(some_coefficient)) 

您可以使用bias_regularizer以及。
The some_coefficientvar 乘以权重的平方值。

PS: if val在你的代码中是不变的，它不应该损害你的损失。但您仍然可以使用下面的旧答案val.

旧答案

根据您的需求将 Keras 预期函数（带有两个参数）包装到外部函数中：

def customLoss(layer_weights, val = 0.01):
    
    def lossFunction(y_true,y_pred):    
        loss = mse(y_true, y_pred)
        loss += K.sum(val, K.abs(K.sum(K.square(layer_weights), axis=1)))
        return loss

    return lossFunction

model.compile(loss=customLoss(weights,0.03), optimizer =..., metrics = ...)   

请注意layer_weights必须直接来自图层作为“张量”，所以你不能使用get_weights()，你必须去someLayer.kernel and someLayer.bias。 （或者在层使用不同名称作为可训练参数的情况下相应的变量名称）。

这里的答案显示了如果您的外部变量随批次变化的情况如何处理：在 Keras 中使用 ImageDataGenerator 时如何定义依赖于输入的自定义成本函数？ https://stackoverflow.com/questions/50706160/how-to-define-custom-cost-function-that-depends-on-input-when-using-imagedatagen/50707473#50707473