Python 如何在keras中实现ssim的损失函数？

我需要SSIM作为我的网络中的损失函数，但我的网络有2个输出。我需要对第一个输出使用SSIM，对下一个输出使用交叉熵。损失函数是它们的组合。但是，我需要一个更高的SSIM和更低的交叉熵，所以我认为它们的组合是不正确的。另一个问题是，我无法在keras中找到SSIM的实现

Tensorflow有

tf.image.ssim

，但它接受图像，我认为我不能在丢失函数中使用它，对吗？你能告诉我该怎么办吗？我是keras和deep learning的初学者，我不知道如何将SSIM作为keras中的自定义损失函数。

查看keras中的SSIM损失。

---

您可以编写一个自定义损失函数，为一个预测创建SSIM损失，为另一个预测创建交叉熵。您可以返回两个损失的加权和作为最终损失

这意味着如果我想最小化损失函数，我应该使用1-SSIM，我不能使用SSIM和交叉熵来最小化我的损失函数，对吗？你的工作是计算损失，你的优化器试图最小化它。我不确定你要的是什么。我的意思是图像处理中更好的SSIM更高，应该接近1，但mse应该接近零，才能有更好的算法。所以我认为如果我使用SSIM作为损失函数，优化器应该最大化它，而不是最小化它。这意味着我应该最小化1-SSIM，对吗？你可以使用最小化

mse-SSIM

（适当加权）。因此，当您最小化此数量时，

mse

将最小化，

ssim

将最大化。