Tensorflow 从损失函数记录标量

我正在研究一个在Keras中实现的ML模型。对于这个模型，我编写了一个自定义损失函数，其中损失是3个其他变量的性能之和

（a_成本、b_成本、c_成本）

。损失函数可以工作，但我想对它进行一些调整，为此我想看看这3个其他变量的行为。如何记录这些标量以便在TensorBoard中显示

def custom_cost(y_true, y_pred):
    # compute a_cost, b_cost, c_cost

    cost = a_cost + b_cost + c_cost
    return cost

# ..build model...
model.compile(loss=custom_cost, optimizer=optimizers.Adam())
tensorboard = callbacks.TensorBoard(log_dir="./logs", write_graph=True)
tensorboard.set_model(model)
model.fit_generator(generator=custom_generator, epochs=100, steps_per_epoch=180,     callbacks=[tensorboard], verbose=True)

---

由于计算了

a_成本

、

b_成本

和

c_成本

，您可以定义三个单独的函数来分别计算它们。让我们：

def a_cost(y_true, y_pred):
    # compute a_cost
    ...
    return a_cost

def b_cost(y_true, y_pred):
    # compute b_cost
    ...
    return b_cost

def c_cost(y_true, y_pred):
    # compute c_cost
    ...
    return c_cost

现在，只需将这三个函数添加为

metrics

：

model.compile(..., metrics=[a_cost, b_cost, c_cost])

---

这意味着我只需要重新设计代码，在某个地方返回这些子损失变量。我认为iTunes会有其他的解决办法——而且——这个设计会显示实际的损失值——记住，

keras

中的损失通常也会考虑到规则化术语对

损失的实际值的偏差。顺便说一句，如果你不介意的话，我非常感谢你的支持。通过重新设计，我的意思是，我将把Custom_loss存储为类的方法，并将a_cost、b_cost和c_cost的描述符存储为该对象的属性。我看到人们这样做，但我真的不明白他们为什么会这样做。