如何在损失前运行keras模型两次？

Question

我想计算一个损失函数，它在不同的输入上使用网络的输出两次。例如，假设，

first_output = model(first_input)
second_output = model(second_input)
loss = mean_absolute_error(first_output, second_output)

更新：谢谢你们的回复。我想在keras或张量流中重新实现这篇论文。正如其中所解释的，“批评家”网络在GAN中是鉴别器，它有两个输入，一个接一个地运行，并根据输出和计算梯度计算损失函数。主要问题是如何在张量流或Keras中实现？

Answer 1

您可以尝试使用keras。图层。合并。我以前用这个来创建暹罗网络，比如：

first_output = model(first_input)
second_output = model(second_input)
mae = lambda x: mean_absolute_error(x[0], x[1])
distance = merge(inputs=[first_output, second_output],
                 mode=mae,
                 output_shape=lambda x: x[0],
                 name='mean_absolute_error')

对于暹罗网络示例，您通常会对此距离度量进行一些预测，例如：

prediction = Dense(2, activation='softmax', name='prediction')(distance)
model = Model([first_input, second_input], prediction, name='siamese_net')
model.compile(optimizer=Adam(),
              loss=some_loss_function)

使用keras。型号。型号和keras。图层。对于该示例，密集。

请注意，keras。图层。merge（我相信）在Keras的最新版本中被弃用，这真是太遗憾了。我认为要对最现代的Keras进行类似的操作，您需要使用Keras。图层。串联以合并两个结果，然后是keras。图层。Lambda应用该功能。