Python 如何在Keras中创建依赖于历元数的损失函数参数？

我有一个自定义的丢失函数，带有一个超参数

alpha

，我想在训练期间每隔20个时期更改一次。损失函数类似于：

def custom_loss(x, x_pred): 
    loss1 = binary_crossentropy(x, x_pred)
    loss2 = (x, x_pred)
    return (alpha)* loss1 + (1-alpha)*loss2

根据我的研究，创建一个自定义回调是一个不错的选择。我已经研究了一个类似问题的解决方案，但是这些解决方案没有实现回调解决方案，这正是我想要实现的

我试图通过更改来自的

LearningRateScheduler

回调来创建自定义回调

但是，我不确定alpha值是否与损失函数中的alpha值对应。在任何情况下，当我将

changeapha

回调放在

model.fit

方法中时，我收到一个

属性错误

---

有人能帮我编辑回调，使它在一定的时间后改变我的

alpha

参数吗

我理解你的想法。我认为问题在于损失函数中的alpha不是指changeAlpha类的成员。您可以这样尝试：

instance = changeAlpha()
def custom_loss(x, x_pred): 
    loss1 = binary_crossentropy(x, x_pred)
    loss2 = (x, x_pred)
    return (instance.alpha*)* loss1 + (1-instance.alpha)*loss2

或者，您可以将alpha作为类变量而不是安装变量，然后按如下所示更改loss函数：

def custom_loss(x, x_pred): 
    loss1 = binary_crossentropy(x, x_pred)
    loss2 = (x, x_pred)
    return (changeAlpha.alpha*)* loss1 + (1-changeAlpha.alpha)*loss2

---

希望它能帮助您。

在我看来，这只有在启用了“急切执行”时才起作用，这会使它变得非常缓慢。

def custom_loss(x, x_pred): 
    loss1 = binary_crossentropy(x, x_pred)
    loss2 = (x, x_pred)
    return (changeAlpha.alpha*)* loss1 + (1-changeAlpha.alpha)*loss2