在keras中创建自定义损失函数

在Keras中实现参数化的自定义损失函数有两个步骤。首先，编写系数/度量的方法。其次，编写包装函数以按Keras要求的方式格式化事物。

1. 实际上，使用Keras后端而不是直接使用tensorflow进行简单的自定义损失函数（如DICE）要干净得多。这是以这种方式实现的系数的示例：

   import keras.backend as K

   def dice_coef(y_true, y_pred, smooth, thresh):
   y_pred = y_pred > thresh
   y_true_f = K.flatten(y_true)
   y_pred_f = K.flatten(y_pred)
   intersection = K.sum(y_true_f * y_pred_f)
   

   return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)

2. 现在开始棘手的部分。Keras损失函数只能将（y_true，y_pred）作为参数。因此，我们需要一个单独的函数来返回另一个函数。

   def dice_loss(smooth, thresh):

   def dice(y_true, y_pred)
   return -dice_coef(y_true, y_pred, smooth, thresh)
   return dice

最后，您可以在Keras编译中如下使用它。

# build model model = my_model()# get the loss functionmodel_dice = dice_loss(smooth=1e-5, thresh=0.5)# compile modelmodel.compile(loss=model_dice)