TF 上的 Keras，如何在不执行梯度下降的情况下获取每个示例的损失值？

Question

我有兴趣使用tf.keras.Model实例检查每个示例的损失值，但有以下限制：

1. 假设我已经调用了model.compile()，关于损失函数的信息就在那里 - 我不想像文档中的这个例子那样明确定义损失
2. 不执行梯度下降（我知道访问tf.callback.Callbacks 中的损失的选项，但我不想执行 GD）

此外，使用回调获得损失然后重新加载初始权重不是一个有效的解决方案，我想完全避免 GD。

那么有没有办法实现这一目标？我希望看起来像

model = tf.keras.Sequential([....])
model.compile(optimizer=..., loss=...)

single_loss_value = model.get_loss(single_x, single_y)
batch_loss_valujes = model.get_loss(x, y)

Answer 1

要获得某些样本的损失，您可以使用model.evaluate. 在那里，您可以将x和y用作单个样品或批次。

model = tf.keras.Sequential([....])
model.compile(optimizer=..., loss=...)

single_loss_value = model.evaluate(single_x, single_y)
batch_loss_values = model.evaluate(x, y)