Keras 自定义损失函数：访问当前输入模式

在 Keras（带有 Tensorflow 后端）中，当前输入模式可用于我的自定义损失函数吗？

当前输入模式被定义为用于产生预测的输入向量。例如，请考虑以下情况：X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42, shuffle=False)。那么当前输入模式是与 y_train 关联的当前 X_train 向量（在损失函数中称为 y_true）。

在设计自定义损失函数时，我打算优化/最小化需要访问当前输入模式的值，而不仅仅是当前的预测。

我已经浏览过了https://github.com/fchollet/keras/blob/master/keras/losses.py https://github.com/fchollet/keras/blob/master/keras/losses.py

我也看过《成本函数不仅仅是 y_pred、y_true？ https://github.com/fchollet/keras/issues/7379"

我也熟悉以前的示例来生成定制的损失函数：

import keras.backend as K

def customLoss(y_true,y_pred):
    return K.sum(K.log(y_true) - K.log(y_pred))

想必(y_true,y_pred)在别处定义。我浏览了源代码但没有成功，我想知道我是否需要自己定义当前的输入模式，或者我的损失函数是否已经可以访问它。

您可以将损失函数包装为内部函数，并将输入张量传递给它（就像向损失函数传递附加参数时通常所做的那样）。

def custom_loss_wrapper(input_tensor):
    def custom_loss(y_true, y_pred):
        return K.binary_crossentropy(y_true, y_pred) + K.mean(input_tensor)
    return custom_loss

input_tensor = Input(shape=(10,))
hidden = Dense(100, activation='relu')(input_tensor)
out = Dense(1, activation='sigmoid')(hidden)
model = Model(input_tensor, out)
model.compile(loss=custom_loss_wrapper(input_tensor), optimizer='adam')

你可以验证一下input_tensor和损失值（主要是K.mean(input_tensor)部分）会随着不同而改变X被传递给模型。

X = np.random.rand(1000, 10)
y = np.random.randint(2, size=1000)
model.test_on_batch(X, y)  # => 1.1974642

X *= 1000
model.test_on_batch(X, y)  # => 511.15466