独家 | 使用TensorFlow 2创建自定义损失函数

作者：Arjun Sarkar

翻译：陈之炎

校对：欧阳锦

本文约1900字，建议阅读8分钟

本文带你学习使用Python中的wrapper函数和OOP来编写自定义损失函数。

        

标签：TensorFlow 2，损失函数

 

图1：梯度下降算法（来源：公共域，https://commons.wikimedia.org/w/index.php？curid=521422 )

神经网络利用训练数据，将一组输入映射成一组输出，它通过使用某种形式的优化算法，如梯度下降、随机梯度下降、AdaGrad、AdaDelta等等来实现，其中最新的算法包括Adam、Nadam或RMSProp。梯度下降中的“梯度”是指误差梯度。每次迭代之后，网络将其预测输出与实际输出进行比较，然后计算出“误差”。

通常，对于神经网络，寻求的是将误差最小化。将误差最小化的目标函数通常称之为成本函数或损失函数，由“损失函数”计算出的值称为“损失”。在各种问题中使用的典型损失函数有：

 

• 均方误差；

• 均方对数误差；

• 二元交叉熵；

• 分类交叉熵；

• 稀疏分类交叉熵。

Tensorflow已经包含了上述损失函数，直接调用它们即可，如下所示：

1. 将损失函数当作字符串进行调用

model.compile (loss = ‘binary_crossentropy’,optimizer = ‘adam’, metrics = [‘accuracy’])

2. 将损失函数当作对象进行调用

from tensorflow.keras.losses importmean_squared_error
model.compile(loss = mean_squared_error,optimizer=’sgd’)

将损失