Python 如何处理模型输出以计算损失
我正努力在Keras中训练模型,通过最小化正确数据和“输入*输出”之间的损失,但不知道如何处理它 鉴于此 X:模型输入(培训数据) Y:模型输出 T:数据正确吗 模型=模型(输入=X,输出=Y) 那么我的理解是,, 模型。拟合(X,T)根据用户定义的损失函数,训练模型使Y(=模型(X))和T之间的距离最小化 我的问题是: 如果我想最小化Y*X和T之间的距离呢 我认为写诸如“model.fit(X*model.predict(X),T)”之类的文章会很好吗?(事实上没有) 我想知道如何编写代码来做到这一点Python 如何处理模型输出以计算损失,python,keras,model,Python,Keras,Model,我正努力在Keras中训练模型,通过最小化正确数据和“输入*输出”之间的损失,但不知道如何处理它 鉴于此 X:模型输入(培训数据) Y:模型输出 T:数据正确吗 模型=模型(输入=X,输出=Y) 那么我的理解是,, 模型。拟合(X,T)根据用户定义的损失函数,训练模型使Y(=模型(X))和T之间的距离最小化 我的问题是: 如果我想最小化Y*X和T之间的距离呢 我认为写诸如“model.fit(X*model.predict(X),T)”之类的文章会很好吗?(事实上没有) 我想知道如何编写代码来做
提前感谢您的建议。制作一个功能API模型:
inputs = Input(input_shape)
outputs = SomeLayer(...)(inputs)
outputs = SomeLayer(...)(outputs)
outputs = SomeLayer(...)(outputs)
....
outputs = Multiply()([inputs, outputs])
model = Model(inputs, outputs)
model.compile(optimizer=optimizer, loss=loss, metrics=metrics)
model.fit(X, T, ...)
谢谢你的快速回复。根据你的回答,输出似乎是乘以一。但是,我希望模型在与输入相乘之前输出Y。