使用每个神经元的输出的Keras自定义损失函数

如何解决使用每个神经元的输出的Keras自定义损失函数

我正在尝试使用最后一层的每个神经元的输出来自定义损失函数。并且该函数可能不是线性的。这是我正在从事的工作：

## some prevIoUs layers##
## my last dense layer##
dense1 = Dense(4,activation="relu",name="dense_layer1")(prevIoUs layer)


dense11 = Dense(1,activation = "sigmoid",name = "dense11")(dense1)
dense12 = Dense(1,name = "dense12")(dense1)
dense13 = Dense(1,name = "dense13")(dense1)
dense14 = Dense(1,name = "dense14")(dense1)


## custom loss function ##

def custom_layer(tensor):
    return tensor[1]*2+tensor[2]+tensor[3]/(tensor[4]*2)  #some nonlinear function like this


lambda_layer = Lambda(custom_layer,name="lambda_layer")([dense11,dense12,dense13,dense14])

model = Model(inputs=Input,outputs=lambda_layer)  # "Input" are in prevIoUs layers,not shown here

model.compile(loss='mse',optimizer='adam')
model.fit(X_train,Y_train,epochs=2,batch_size=512,verbose=1)

我的Y_train是n * 1（n是样本大小）。

所以我基本上是对最后四个神经元的输出进行非线性变换，这等效于构造一个新的损失函数。转换后，y hat也应该是n * 1向量。

但是代码仍然无法正常工作。我认为这是由于lambda_layer或custom_layer函数造成的。我还尝试定义了一个新的损失函数（那时将没有“ lambda_layer”），但是它也不起作用。我不知道这是怎么回事。（头疼！）

任何想法或建议都值得赞赏！！非常感谢！（我在Tensorflow 2.0.0版中使用python3.7）

解决了，谢谢！