我正在尝试用Keras编写一个加权的二进制交叉熵的自定义损失函数。然而,当我使用自定义损失函数编译我的模型时,损失和准确性都下降了。通常,当我使用普通的BCE训练模型时,准确率约为90%,但当我使用自定义损失函数时,准确率下降到3-10%。下面是我的自定义损失函数: def weighted_crossentropy_core(y_true, y
我想使用另一个网络的预测在Keras中实现一个自定义损失函数。更具体地说,我想在生成器的损失函数中使用鉴别器生成的预测。当我尝试实现它时,我得到了以下错误:TypeError: object of type 'TensorVariable' has no len()
Keras是否能够在自定义损失函数中进行网络预测?
我在Keras的自定义损失函数上遇到了问题。这些任务看起来相当简单,但由于意外的行为而无法进行。这个想法是用一些额外的东西加入tf.keras.losses.SparseCategoricalCrossentropy。首先我想确认,如果我只是在自定义损失函数中使用稀疏分类交叉,它不会改变网络训练。但是,当我定义自定义损失时 ls = tf.ke