[TensorFlow 2] [Keras] 自定义 loss 函数

前言

嘿，虽然Keras里面自带了很多loss函数，但是有时候面对定制化的需求，自带的函数还是不够用的，这个时候自定义的loss函数就派上了用场。本文先简要介绍一种自定义loss函数的方法，日后有时间再更新其他的（O(∩_∩)O）。

环境

• TensorFlow 2.0 Beta

代码

话不多说，先上代码：

def custom_loss(y_true, y_pred):
	return tf.reduce_mean(tf.square(y_true-y_pred))

嘿，这不是我们的 MSE 嘛！当然，除了 MSE，你可以自定义任何类型的loss函数。函数写好后，就交给模型吧：

model.compile(loss=custom_loss)

那么，除了操纵y_true和y_pred，我们还可不可以引入其他的数据来计算loss呢？Yes！

z = keras.layers.Dense(3197747)(inputs)

def custom_loss(y_true, y_pred):
	loss_1 = tf.reduce_mean(tf.sqrt(z))
	loss_2 = tf.reduce_mean(tf.square(y_true-y_pred))
	return loss_1 + loss_2

model.compile(loss=custom_loss)

嘿，这样就可以方便地算各种loss啦，例如KL散度等等。
除了使用Keras functional API来自定义loss函数，还有一些其他的方法，就先不介绍啦！

Reference

1. Module: tf.keras.losses. (June 13, 2019). Retrieved from https://www.tensorflow.org/versions/r2.0/api_docs/python/tf/keras/losses