Machine learning 我可以在keras中使用我自己的成本函数吗？

编译模型时，将参数丢失传递给compile函数。例如：

compile（loss='mean\u squared\u error'，optimizer='adam'）

---

但我很好奇，在Keras中是否有一种方法可以传递我自己的成本函数？

是的，你可以。自定义损失可以实现为一个函数，该函数将采用两个张量，即预测的y和基本真值，并返回一个标量。函数使用的数学需要在tensorflow函数上定义，以便模型能够通过这些函数反向传播值。如果需要函数接受的输入多于y_pred和y_pred，则可以将自定义损失封装在更广泛的函数中，该函数接受额外的参数并返回一个只需要y_true和y_pred的函数。下面是两个例子。

二元交叉熵与均方误差的混合损失

来自keras.com，输入均方误差，二进制交叉熵
定义我的自定义损失（y_true，y_pred）：
mse=均方误差（y_真，y_pred）
交叉熵=二进制交叉熵（y_真，y_pred）
返回mse+交叉熵

加权混合料（包装）

def my_custom_loss_包装（mse_重量、xentropy_重量）：
定义我的自定义损失（y_true，y_pred）：
mse=均方误差（y_真，y_pred）
交叉熵=二进制交叉熵（y_真，y_pred）
返回mse_权重*mse+xentropy_权重*交叉熵
退还我的\u自定义\u损失

定义自定义损失函数后，是否按如下方式运行代码：compile（loss='my'u custom'u loss'，optimizer='adam'）no。当loss的参数是字符串时，它将映射到具有默认参数的预定义loss字典。如果要使用自定义丢失或带有非默认参数的默认丢失，必须调用传递函数本身，即loss=my_custom_loss`或

loss=my_custom_wrapper（args）

或

loss=adam（lr=0.005）

。我发现以下内容非常有用：它没有给@konstantinosKokos的答案添加任何内容，所以我只是作为评论发布。但仍然值得你去读。