Tensorflow2中Kares自定义损失函数

     因为程序需要，需要新定义使用Tensorflow2.Kares时的损失函数，因此在这里简单记录下。首先声明环境与引入：Tensorflow2，import tensorflow as tf，import tensorflow.keras.backend as K。

1. 自定义均方损失函数

     均方误差MSE的定义就比较简单，就是$\frac{1}{N}\ast {\sum }_{i=0}^{N-1}{\left(Y\_tru{e}_i-Y\_pre{d}_i\right)}^2$，Y_pred是预测序列或者说预测值，Y_true是真实序列或者说真实值。给出代码：

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

2. 自定义交叉熵损失函数

     交叉熵损失函数用来评估判别器（神经网络）分类情况，假设问题为2分类，判别器（神经网络）的输出维度为2，类似于这种形式[p1,p2]，p1 + p2 = 1，而实际标签（c1,c2）为[0,1]或[1,0]。则，交叉熵为：
                              $CategoricalCrossentropy=-{\sum }_{i=1}^2{c}_i\ast log(p_i)$
所以，代码为：

def custom_Bi_CategoricalCrossentropy(y_true, y_pred):
	t_loss = (-1)*(y_true * K.log(y_pred))
	return K.mean(t_loss)

结果验证无错：