Python Keras：使用K梯度进行梯度上升

我目前正在尝试训练一个Keras模型，使其损失函数最大化。由于内置优化器选择最小化损失，我想知道是否有可能使用Keras执行梯度上升

我尝试使用负损失函数，但没有成功

有没有办法解决这个问题

当前尝试：

loss = -K.log(other_parameter_input)

grad = K.gradients(loss, self.model.trainable_weights)
self.get_gradients = K.function(inputs=[self.price_vector_input, 
                                  self.prev_weight_input, self.cash_bias_input, mu, y,
                                  self.model.output], outputs=grad)

updates = [self.learning_rate * g for g in grads]

modelWeights = self.model.get_weights()
updateWeights = [np.add(wT, uT) for (wT, uT) in zip(modelWeights, updates)]
self.model.set_weights(updateWeights)

---

简单地使用乘法逆，所以像

loss=1/-K.log（其他参数）

这样的东西突然又变成了一个最小化问题。。。 不要做一个损失最大化的人