Я пытаюсь построить собственный убыток Keras, который делает следующее: (1) В каждую эпоху он смотрит на прогноз текущих моделей. (2) Определенные входные значения затем идентифицируются как «критические». Эта критичность зависит от глобального прогноза. Эти критические входные данные могут быть местоположениями макс / мин / перегибов, критических точек кривизны или чего-то более сложного (что-то топологическое / комбинаторное, что я и имею в виду). Идентификация критических входов может быть легко запрограммирована, но не обязательно может быть выражена в терминах стандартных операторов NN. (3) Потеря тогда является простой функцией прогнозирования в этих критических точках.
SO: Если бы я знал критические исходные данные в начале, это была бы простая настраиваемая потеря для настройки. Однако их необходимо вычислять как функцию текущего прогноза и обновлять каждую эпоху. Я создал собственную потерю, которая пытается это сделать, но результаты, которые я получаю, говорят мне, что это на самом деле не работает. Мое текущее понимание состоит в том, что модель потерь составляется один раз, и поэтому не будет повторно идентифицировать критические входные данные. Есть ли здесь простые исправления? Могу ли я перекомпилировать модель после каждой эпохи? Есть что-то более элегантное?
Спасибо! :)