fit函数 model_Tensorflow2.0中实现自定义复杂损失函数

点击上方“算法数据侠”，选择“星标”公众号

第一时间获取最新推文与资源分享

小侠客们好呀，我是oubahe。今天迎来“好技巧”专题第4文，在Tensorflow2.0发布以来，学术界和工业界就引起了广泛关注。谷歌及其团队对之前的Keras库做出了大量的Tensorflow专属优化与改动。但是与初代Tensorflow相比，实现复杂的多输入参数损失函数变得复杂晦涩了。本文将介绍Tensorflow2.0中tf.keras自定义实现复杂的损失函数，使得我们更容易在不同的模型框架中重复使用，构建符合实际场景需求的损失函数。来吧，展示~

01

—

问题描述

Tensorflow2.0中tf.keras可以直接利用API快速实现一些简单的损失函数，例如model.compile(loss="mse")。但是任何的简单方法都是有代价的，这个内置方法定义的损失函数有且只能有y_true和y_pred两个参数:

def simple_loss(y_true, y_pred)：    pass

那么一向以简洁易懂著称的Keras如何自定义复杂的损失函数，还不影响Keras漂亮的训练进度条呢？