Neural network 我正在训练keras神经网络。我想要一个由y_true*y_pred给出的自定义损失函数。允许这样做吗？

这是我的模型的一个片段：

W1 = create_base_network(latent_dim)

input_a = Input(shape=(1,latent_dim))
input_b = Input(shape=(1,latent_dim))

x_a = encoder(input_a)
x_b = encoder(input_b)

processed_a = W1(x_a)
processed_b = W1(x_b)

del1 = Lambda(Delta1, output_shape=Delta1_output_shape)([processed_a, processed_b])
model = Model(input=[input_a, input_b], output=del1)

# train
rms = RMSprop()
model.compile(loss='kappa_delta_loss', optimizer=rms)

基本上，神经网络获得两个输入的（预先训练的）编码器表示，并通过传递MLP计算两个输入的预测值差异。这个差异是Delta1，它是网络的y_pred。我希望损失函数是y_pred*y_true。然而，当我这样做的时候，我得到了一个错误，“无效目标：kappa_delta_损失”

我做错了什么

你几乎自己回答了这个问题。创造你的目标 功能类似于 喜欢 这个,

从

因此，您应该使用两个参数创建自定义损失函数，第一个参数是目标，第二个参数是预测

假设您的输出（y_pred）是标量，您的自定义目标可以是

def custom objective(y_true,y_pred)
    return K.dot(y_true,y_pred)

K表示keras后端（比theano示例更通用）

def custom objective(y_true,y_pred)
    return K.dot(y_true,y_pred)