keras
の既存目標の1つ(損失とも呼ばれる)をhereから使用することができます。
あなたはまた、独自のカスタム機能の喪失実装することがあります。
from keras import backend as K
def my_loss(y_true, y_pred):
return K.mean(K.square(y_pred - y_true), axis=-1)
# Let's train the model using RMSprop
model.compile(loss=my_loss, optimizer='SGD', metrics=['accuracy'])
予告K
モジュールを、そのkerasは、あなたが完全にkerasの性能を活用するために使用するバックエンドパフォーマンスから気にしない限り、このような何かを行ういけません問題:
def my_bad_and_slow_loss(y_true, y_pred):
return sum((y_pred - y_true) ** 2, axis=-1)
具体的なケースについては、援助が必要な場合は、目的の機能を記述してください。
更新
あなたは重みを提供するために、これを試すことができます - 損失関数としてW
:
def my_loss(y_true, y_pred):
W = np.arange(9)/9. # some example W
return K.mean(K.pow(y_true - y_pred, 2) * W)
あなたは質問のように、フレーズ、これをする必要があります。投稿には現在1つが含まれていません。 – PaulNUK