Python 用于预测两幅图像之间旋转的强化学习

我有一对随机旋转的图像。我想预测旋转角度。我不知道真正的旋转角度，但我知道应用正确旋转后，两幅图像之间的MSE应该最小化

我可以生成具有已知旋转和训练网络的训练数据。 但是，我们可以在没有训练数据的情况下，以原始图像和旋转图像之间的MSE作为损失函数来实现这一点吗

我尝试添加一个层，将预测的旋转应用于一个输入图像，并与第二个输入图像进行比较。 或者，我们可以使用自定义损失函数来实现这一点，但它需要将输入图像和预测的旋转作为输入，而不是y_pred和y_true

---

但我不知道在凯拉斯该怎么做。我只是一个新手，因此非常感谢您的帮助。

如果您已经了解了神经网络的工作原理，并且有一些python方面的经验，我建议您先学习更多关于keras的知识。是一个很好的资源，可以帮助您开始使用keras并了解它的功能。这将使您从正确的方向开始，然后当您有更具体的问题要问时，我们将能够更有效地帮助您。

这不能测量而不是预测吗？目前，我的NN拍摄2张图像并输出旋转角度。（1） 我想将预测的旋转应用于其中一个输入图像，然后输出旋转图像，这样第二个图像和旋转图像之间的rms误差就可以用于训练网络。在Keras如何做到这一点？（2） 这样训练NN有意义吗（不知道地面真相旋转）？谢谢你的帮助。