Keras中自定义损失函数

loss 目标函数

metric 评价指标

# 方式一  注意编译  loss = 你定义的损失函数的名字

# 方式二 注意使用  K.log  K.sigmoid
def vae_loss(x, x_decoded_mean):
    xent_loss = objectives.binary_crossentropy(x, x_decoded_mean)
    kl_loss = - 0.5 * K.mean(1 + z_log_sigma - K.square(z_mean) - K.exp(z_log_sigma), axis=-1)
    return xent_loss + kl_loss
 
vae.compile(optimizer='rmsprop', loss=vae_loss)

参考：

1, keras 自定义 loss损失函数， sample在loss上的加权 和 metric 

https://blog.csdn.net/xiaojiajia007/article/details/73274669/

2, Unet项目解析(7): 模型编译-优化函数、损失函数、指标列表

https://blog.csdn.net/shenziheng1/article/details/80715264

3, (Keras)——Keras中自定义目标函数(损失函数)

https://blog.csdn.net/wangdongwei0/article/details/82563689

4, Using binary_crossentropy loss in Keras (Tensorflow backend)

https://stackoverflow.com/questions/45741878/using-binary-crossentropy-loss-in-keras-tensorflow-backend

5, 深度学习基础系列（五）| 深入理解交叉熵函数及其在tensorflow和keras中的实现

http://www.cnblogs.com/hutao722/p/9761387.html

6, 目标函数objectives

https://keras-cn.readthedocs.io/en/latest/legacy/other/objectives/