Tensorflow R:具有自定义损失函数的深度神经网络
(右) 假设我有一个Tensorflow R:具有自定义损失函数的深度神经网络,tensorflow,r,neural-network,deep-learning,keras,Tensorflow,R,Neural Network,Deep Learning,Keras,(右) 假设我有一个损失函数,它将一个函数作为输入,并在固定数据集的(固定)一系列转换中对其求值。是否可以将其集成到中,并将其用作 DNN回归?为了进行深入学习,我目前正在使用tensorflow->R界面 R的实现允许您使用自定义丢失函数。但是,该函数需要使用非常特定的语法来实现,并且应该采用y\u true和y\u pred参数。你可以找到一个很好的教程。以下代码将为您提供一些直觉: model %>% compile( optimizer = "your-choice-of-op
损失函数
,它将一个函数作为输入,并在固定数据集的(固定)一系列转换中对其求值。是否可以将其集成到中,并将其用作
DNN回归
?为了进行深入学习,我目前正在使用tensorflow->R
界面 R的实现允许您使用自定义丢失函数。但是,该函数需要使用非常特定的语法来实现,并且应该采用y\u true
和y\u pred
参数。你可以找到一个很好的教程。以下代码将为您提供一些直觉:
model %>% compile(
optimizer = "your-choice-of-optimezer",
loss = custom_loss_function,
metrics = c("your-choice-of-metric")
)
在哪里
自定义丢失功能
custom_loss_function <- function(y_true, y_pred) {
K <- backend()
... # define your function using the backend K
}