我很好奇损失函数是否可以在 keras 中实现中间层输出,而无需设计模型以将中间层作为输出提供。我已经看到一个解决方案可以是重新设计架构以返回中间层以及最终预测并将其用作解决方法,但我不清楚是否可以直接从损失函数访问层输出
请您参考如下方法:
I'm unclear whether a layer output can be accessed directly from a loss function
当然可以。
举个例子,考虑这个使用函数式 API 的模型:
inp = keras.layers.Input(shape=(28, 28))
flat = keras.layers.Flatten()(inp)
dense = keras.layers.Dense(128, activation=tf.nn.relu)(flat)
out = keras.layers.Dense(10, activation=tf.nn.softmax)(dense)
model = keras.models.Model(inputs=inp, outputs=out )
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
比方说,如果我们想引入一个新的损失函数,该函数也会对我们的 dense 层输出的最大权重进行惩罚,那么我们可以编写一个自定义损失函数,如下所示:
def my_funky_loss_fn(y_true, y_pred):
return (keras.losses.sparse_categorical_crossentropy(y_true, y_pred)
+ keras.backend.max(dense))
只需将新的损失函数传递给 compile() 方法,我们就可以在模型中使用它:
model.compile(optimizer='adam',
loss=my_funky_loss_fn,
metrics=['accuracy'])
