我想为自编码器使用一个自定义的均方误差（MSE）。我有自编码器的输入（X）和输出（Y）图像，实际上它们是同一个图像。现在在计算MSE时，我们计算真实输出（Y=X）和预测输出图像（Y’）之间的MSE。

假设，对于每个图像X，我有一个派生图像X’，它是该图像的权重矩阵。X’的大小与X或Y相同。它包含0到1之间的值。因此，在计算MSE时，我想使用X（也就是Y和期望的重建输出）、X’以及预测输出Y’。

如果有人能建议我如何在Keras中实现这个，我将非常感激。

回答：

你可以像这样创建一个损失层

class LossLayer(Layer):    def __init__(self,  **kwargs):        super(LossLayer, self).__init__(**kwargs)    def build(self, input_shape):        super(LossLayer, self).build(input_shape)  # Be sure to call this somewhere!    def call(self, x):        input_image, weighted_image, predicted = x        loss = weightedmse(input_image, weighted_image, predicted)        return lossdef dummy_loss(y_true, y_pred):    return tf.sqrt(tf.reduce_sum(y_pred))

在构建模型时像这样使用它。

input_image = Input(...)weighted_image = Input(...)x = Conv2D(...)(input_image)..loss_layer = LossLayer()([input_image, weighted_image, x])  # x here is the last Conv layer

你的数据生成器在__getitem___中必须返回类似这样的内容

[input_img, weighted], np.zeros((batch_size, 1))

编辑

在定义上述张量后，像这样创建两个模型

train_model = Model([input_image, weighted_image], loss_layer)pridict_model = Model([input_image, weighted_image], x)train_model.compile(optimizer='sgd', loss=dummy_loss)