如何创建信道敏感损耗函数？

Question

我在做一个递归自动编码器。神经网络获取两个二维图像，每个图像的形状（28,28,1）和组合，以创建（28,28,2）的输入。它们被编码成一个（28，28，1）形状，然后被解码回原始形状（28，28，2）。因此，数据的编码形式可以被馈送到自动编码器中进行递归操作。你知道吗

我们可以假设信道1是新图像，信道2是先前编码的数据。我如何创建一个损失函数来惩罚重建通道2的错误（因为这将携带先前编码的数据）？你知道吗

我在Keras工作，有一个Tensorflow后端。你知道吗

或者，有没有一种方法可以把网络训练成一棵完整的树，而不是一次只训练两个输入-两个输出块？你知道吗

Answer 1

您可以将解码后的图像（28，28，2）分离回2个图像作为输出，并使用loss_weights分配重要性权重。从documentation：

model.compile(optimizer='rmsprop', loss='binary_crossentropy',
              loss_weights=[1., 0.2])

是的，Keras中的所有模型都像层，所以你可以把它们连在一起构建一棵树。然后你可以一次性训练网络，并决定是否要分享重量等。但是，训练可能会更困难。我建议使用函数API来创建这些更复杂的结构，这样您就可以拥有更多的控制权。你知道吗