Keras中的自定義丟失函數

Question

我正在研究使用CNN作爲特徵提取器和完全連接的塊進行分類的圖像類增量分類器方法。

首先，我對VGG每訓練網絡進行了微調以完成一項新任務。一旦網絡接受了新任務的培訓，我就會爲每個班級存儲一些示例，以避免在新班級可用時遺忘。

當有些類可用時，我必須計算包含新類的範例的範例的每個輸出。現在添加零爲老班的輸出，並添加對應於每一個新類的新類輸出我有我的新標籤，即標籤： 如果3個新的類別進入....

老班型輸出： [0.1, 0.05, 0.79, ..., 0 0 0]

新類型輸出：[0.1, 0.09, 0.3, 0.4, ..., 1 0 0] **最後的輸出對應於類。

我的問題是，我可以如何改變一個自定義的損失函數來培訓新的類？ ，我想要實現的損失函數被定義爲：

其中蒸餾損失對應於老的類的輸出以避免遺忘，和分類損失對應於新的類。

如果你能提供我一個代碼樣本來改變keras中的損失函數將是很好的。

謝謝!!!!!

Answer 1

您所要做的就是爲此定義一個函數，使用keras後端函數進行計算。該函數必須取真實值和模型預測值。因爲我不確定你的函數中g，q，x和y是什麼，我只是在這裏創建一個基本的例子，而不關心它是什麼意思或者它是否是一個實際有用的函數：

import keras.backend as K 

def customLoss(yTrue,yPred): 
    return K.sum(K.log(yTrue) - K.log(yPred)) 

所有後端功能都可以在這裏看到：https://keras.io/backend/

之後，使用該函數編譯你的模型，而不是一個普通的一種：

model.compile(loss=customLoss, optimizer = .....)