add_loss方法的tf.keras.model文档
每当我在过去使用过tensorflow的keras时，我就为model.compile模型指定了损失函数。我目前正在做一个回购，它使用'add_loss‘来指定model.call中的丢失函数。或者至少，这就是我所假设的情况，因为我找不到这个方法的任何文档(即docs/python/tf/keras/Model上没有)，我也找不到任何使用该方法的教程。更重要的是，我甚至不知道它是在源代码中定义的。
class TRPO(Model):
def __init__(self, obs_dim, act_dim, hid1_mult, kl_targ, init_logvar, eta, **kwargs):
super(TRPO, self).__init__(**kwargs)
self.kl_targ = kl_targ
self.eta = eta
self.beta = self.add_weight('beta', initializer='zeros', trainable=False)
self.policy = PolicyNN(obs_dim, act_dim, hid1_mult, init_logvar)
self.logprob = LogProb()
self.kl_entropy = KLEntropy()
def call(self, inputs):
obs, act, adv, old_means, old_logvars, old_logp = inputs
new_means, new_logvars = self.policy(obs)
new_logp = self.logprob([act, new_means, new_logvars])
kl, entropy = self.kl_entropy([old_means, old_logvars,
new_means, new_logvars])
loss1 = -K.mean(adv * K.exp(new_logp - old_logp))
loss2 = K.mean(self.beta * kl)
# TODO - Take mean before or after hinge loss?
loss3 = self.eta * K.square(K.maximum(0.0, K.mean(kl) - 2.0 * self.kl_targ))
self.add_loss(loss1 + loss2 + loss3)
return [kl, entropy]任何人都有使用add_loss的经验，并能指出它是如何工作的？并解释为什么您不只是编写自己的损失函数并将其传递到model.compile中？
回答 1
Stack Overflow用户
发布于 2020-06-10 08:54:07
您可以找到add_loss 这里的正式文档。添加损耗张量，可能依赖于层输入。这种方法可以在子类层或模型的调用函数中使用，在这种情况下，损失应该是张量或张量列表。文档中几乎没有解释add_loss的例子。
您可以在add_loss的tf.keras.layers.Layer中找到源代码。这是所有层继承的类。点击“查看GitHub上的源代码”并搜索add_loss。
来问你的问题-
任何人都有使用add_loss的经验，并能指出它是如何工作的？
您可以使用add_loss、这里和这里找到一个很好的例子，并给出解释。
并解释为什么您不只是编写自己的损失函数并将其传递到model.compile中？
在Tensorflow中，model.compile()损耗函数通常包含两个参数y_true和y_pred。使用model.add_loss()没有这样的限制，并且允许您编写依赖于许多其他张量的更复杂的损失，但是它有更多依赖于模型的不便，而标准损失函数只适用于任何模型。
希望这能回答你的问题。学习愉快。
https://stackoverflow.com/questions/61729000
复制相似问题
腾讯云开发者
