R 当我没有真实值时，如何编写自己的自定义损失函数？

我想找出一种方法来创建我自己的损失函数。我在R上使用了keras\u模型\u序列模型

custom_loss <- function(x){
    post <- second_model(x)   #the current model
    pri <- first_model()      #another already defined model
    LOSS <- sum((pri-post)^2)
    return(LOSS)
}

---

好的，现在我明白了。由于使用tensorflow后端，因此必须在损失函数中传递tensor对象，并导入tensorflow后端进行计算

所以

导入tensorflow后端 直接使用tensorflow操作在损失函数中进行这些计算 对于第一个模型的结果，可以使用keras输入层：

图层输入%>%

这里有一个例子

x_train <- model1 %>% predict(input_vector)

--code defining the model2 --

y_true <- matrix(c(1),100,16)  #dummy, because no target values

delta <- model2 %>% predict(x_train)
adjusted_input <- input_vector + delta
adjusted_y <- model1 %>% predict(adjusted_input)
y_pred <- adjusted_y #(just to have the same variable names as argument)

custom_loss <- function(y_pred, y_true){

    LOSS <- sum((10-y_pred)^2)
    return(LOSS)
}

model2 %>% compile(
  loss = custom_loss(y_pred, y_true),
  optimizer = optimizer_nadam(),
  metrics = c("mae")
)

delta <- model2 %>% predict(x_train)
adjusted_input <- input_vector + delta
adjusted_y <- model1 %>% predict(adjusted_input)
y_pred <- adjusted_