Как оптимизировать несколько функций потерь отдельно в Keras? ⇐ Python

[Anonymous]

В настоящее время я пытаюсь построить модель глубокого обучения с тремя различными функциями потерь в Keras. Первая функция потерь представляет собой типичную среднеквадратическую ошибку потерь. Две другие функции потерь — это те, которые я создал сам, они определяют разницу между вычислениями, выполненными на основе входного изображения и выходного изображения (этот код представляет собой упрощенную версию того, что я делаю).

Код: Выделить всё

def p_autoencoder_loss(yTrue,yPred):

def loss(yTrue, y_Pred):
return K.mean(K.square(yTrue - yPred), axis=-1)

def a(image):
return K.mean(K.sin(image))

def b(image):
return K.sqrt(K.cos(image))

a_pred = a(yPred)
a_true = a(yTrue)

b_pred = b(yPred)
b_true = b(yTrue)

empirical_loss = (loss(yTrue, yPred))
a_loss = K.mean(K.square(a_true - a_pred))
b_loss = K.mean(K.square(b_true - b_pred))
final_loss = K.mean(empirical_loss + a_loss + b_loss)
return final_loss

Однако, когда я тренируюсь с этой функцией потерь, она просто плохо сходится. Я хочу попытаться минимизировать три функции потерь по отдельности, а не вместе, складывая их в одну функцию потерь.

По сути, я хочу использовать здесь второй вариант Tensorflow: множественные функции потерь против множественных операций обучения, но в форме Keras. Я также хочу, чтобы функции потерь были независимы друг от друга. Есть ли простой способ сделать это?

Подробнее здесь: https://stackoverflow.com/questions/582 ... y-in-keras