如何在Keras的自定义损失函数中使用样本权重?

如何在Keras的自定义损失函数中使用样本权重?,keras,deep-learning,Keras,Deep Learning,我在keras中使用自定义损失函数。现在,我想在Keras中使用样本权重 我在谷歌上搜索过一些文章,其中有一篇文章建议model.fitX,y,sample\u weight=自定义权重 但我想在自定义损耗函数中直接使用样本重量。我的自定义损耗函数非常复杂,出于某种原因,我需要直接处理样本重量 例如: custom_weights = np.array([1,2,3,4,5,6,7,8,9,10]) #my failed attempt def custom_loss_function(y_t

我在keras中使用自定义损失函数。现在,我想在Keras中使用样本权重

我在谷歌上搜索过一些文章,其中有一篇文章建议model.fitX,y,sample\u weight=自定义权重

但我想在自定义损耗函数中直接使用样本重量。我的自定义损耗函数非常复杂,出于某种原因,我需要直接处理样本重量

例如:

custom_weights = np.array([1,2,3,4,5,6,7,8,9,10])

#my failed attempt
def custom_loss_function(y_true, y_pred , custom_weights):
    return K.mean(K.abs(y_pred - y_true) * custom_weights), axis=-1)
注意:我真正的自定义损失函数非常复杂。在这个问题中,我以MAE为例来简化这个问题,这样我们就可以集中精力回答如何在自定义损失函数中使用样本权重

如何正确地完成这项任务