keras流和反向传播

Question

我在任何地方都找不到反向传播是如何在Keras中完成的？让我解释一下：

假设我有网络

input = Input(shape=(X,X,Y))
x = Conv2D(32,(3,3),padding="same")(input)
x = Conv2D(64,(3,3),padding="same")(x)
x = Conv2D(128,(3,3),padding="same")(x)
x = Conv2D(64,(3,3),padding="same")(x)
Output = Flatten(1024)(x)
Output = Flatten(6)(Output)
model = Model(input,Output)
model.compile(loss="mean_squared_error", optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
model.fit(trainingData,trainingLabels)

最后一层的输出与trainingLabels进行比较，mean squared error根据mean squaed error的值进行反向传播

但是，如果我还想做点什么呢。例如，我想尝试输出向量的每一个置换，结果最小的mean squared error应该被视为输出，因此反向传播基于最小误差的排列发生。在

像这样的事情在克拉斯有可能吗？如果我能做到的话

Answer 1

model.compile方法的loss参数接受python函数。您可以在自定义函数中计算置换集的最小值：

def custom_loss(y_true, y_predicted):
    ''' code here '''

然后将其传递给model.compile：

^{pr2}$

请参见here和{a2}以获取参考。在