keras损失函数运行机制总结

举例，下面这是损失函数的源码：

def mean_squared_error(y_true, y_pred):
  return K.mean(math_ops.square(y_pred - y_true), axis=-1)

keras中compile时：

model.compile(loss=mean_squared_error)

从以上可以看到，compile时并不需要给mean_squared_error传入参数，这就说明keras默认把某一路的实际输出和预测输出传到mean_squared_error中。

从源码可以看到，只是返回了一个具体数值，这就说明了每训练一轮，得到一个损失值，我们可以通过以下方法：

history=model.fit()
print(history.history['loss'])

获取训练的损失值，训练多少轮就会得到多少个损失值。最后会以列表的形式输出每个损失值。