两个连接的自动编码器的 Keras 服装丢失

Question

我想联合训练两个自动编码器，并将它们的激活层连接在最深层。

如何在一个损失函数中添加所有项？

假设：

diffLR = Lambda(lambda x: abs(x[0] - x[1]))([model1_act7, model2_act5])
model = Model(inputs=[in1, in2], outputs=[diffLR, model1_conv15, model2_conv10])
model.compile(loss=['MAE', 'mean_squared_error','mean_squared_error'],
          optimizer='SGD',
          metrics=['mae', rmse])

model.fit([x_train_n, y_train_n], [yM1, x_train_n, y_train_n], batch_size=10, epochs=350, validation_split=0.2, shuffle=True) #, callbacks=[es])

两个网络是映射 x->x 和 y->y 的卷积自动编码器。 Lambda 层连接两个网络的潜在空间。 diffLR 的目标是将网络训练到两个特征空间代表相同分布的程度。 （yM1 是一个与潜在特征空间大小相同的零矩阵。）

现在每个都是单独优化的（或者我认为它们是单独优化的......），我想像这样将它们加入一个损失函数中：

def my_loss(z, x, y, z_pred, x_pred, y_pred):
loss = backend.sqrt(backend.mean(backend.square(x_pred-x))) + backend.sqrt(backend.mean(backend.square(y_pred-y))) + backend.sqrt(backend.mean(backend.square(z_pred-z)))
return loss

model.compile(loss=[my_loss],
          optimizer='SGD',
          metrics=['mae', rmse])

我得到这个错误：

ValueError: When passing a list as loss, it should have one entry per model outputs. The model has 3 outputs, but you passed loss=[<function my_loss at 0x7fa3d17f2158>]

或

model.compile(loss=my_loss,
          optimizer='SGD',
          metrics=['mae', rmse])

TypeError: my_loss() missing 4 required positional arguments: 'y', 'z_pred', 'x_pred', and 'y_pred'

这可能吗？我怎样才能做到这一点？

Answer 1

因此，您正在做的是对您的每个 n=3 输出执行 RootMeanSquareError，然后是加权和（在您的情况下具有相同的权重）。

正如错误消息清楚地表明：

ValueError: 当将列表作为损失传递时，它应该有一个条目 模型输出。该模型有 3 个输出，但您通过了....

通过在编译模型时传递 3 个损失函数（可能相同或不同）的列表，您可以执行与自定义损失函数相同的操作。此外，您还可以通过传递 loss_weights 参数值来定义每个损失的权重。此外，您可以执行以下操作：

def my_loss(y_true, y_pred):
        return backend.sqrt(K.mean(K.square(y_pred - y_true))) 

 model.compile(loss=[my_loss, my_loss, my_loss], # you can pass 3 different (custom) loss function as well
          loss_weight=[1.0, 1.0, 1.0], # Default value is 1
          optimizer='SGD',
          metrics=['mae', rmse])