如果我在keras中使用y_pred作为自定义丢失函数，会发生什么情况？难道这不应该一直起作用吗，因为y_pred总是可以区分的吗？

Question

我打算用这种东西。

model.compile(optimizer='adam', loss=lambda y_true, y_pred: y_pred)

我想知道这是不是fail-proof。

我为什么要这么做？使用y_pred作为损失函数，通过将模型的输出设置为-r来最大化变量r的思想。因此，减少loss-function y_pred意味着减少-r，这意味着增加r。

r是matrix X的一个函数，我将其设置为网络中的一个层。

Answer 1

在深层神经网络反向传播过程中，优化器的功能是调整神经网络各层的权值，使损失函数达到最大限度。

因此，如果您使用y_pred作为自定义损失函数，优化器将尽力最小化可能无法提供预期结果的y_pred，，因为-(Less Value)不会导致最大值。

Answer 2

也许你可以更清楚地知道你为什么要这么做。如果不使用y_true计算错误损失，则可能根本不需要ML模型。据我所知，您只需要一个模型来预测任何输入的最高值。