PyTorch 中使用 DNN 输出和附加变量的自定义损失函数

问题描述

（如果我的英语不好，我很抱歉）

如果函数只需要 DNN 输出向量（预测）和 DNN 输出向量（真实情况），我可以在 PyTorch 中创建自己的损失函数。

我想使用额外的变量来计算损失。

我的训练和测试数据如下所示；

DNN 输入：

1. Data_A -> 处理 1 -> Data_X

DNN 输出：

2. Data_A -> 处理 1 -> Data_X
3. Data_B -> 处理 1 -> Data_P
4. Data_X,Data_P -> 处理 2 -> Data_Y

然后我将 Data_X 和 Data_Y 分为训练数据和测试数据。 x_train,x_test,y_train,y_test = train_test_split(Data_X,Data_Y,test_size=0.2,random_state=0)

我想使用 Data_A、Data_B、Data_Y(predicted) 和 Data_Y(ground truth) 来计算损失。 我看到了很多只使用 Data_Y(predicted) 和 Data_Y(ground truth) 的自定义损失函数示例。我以前可以使用这样一个定制的损失函数。 但是，当我想使用另一个附加变量时，我不知道该怎么做。 有什么好办法吗？感谢您的帮助！

解决方法

您对损失函数的结构没有限制（只要梯度有意义）。
例如，您可以：

class MyLossLayer(nn.Module):
  def __init__(self):
    super(MyLossLayer,self).__init__()

  def forward(self,pred_a,pred_b,gt_target):
    # I'm just guessing here - do whatever you want as long as you do not screw the gradients.
    loss = pred_a * (pred_b - target)
    return loss.mean()