定义度量损失会影响模型训练吗?

Question

我想在我的模型中添加多个损失值，但是当我将它们添加到loss参数时，它们不会显示(它只是显示为损失，而不是每个损失值):

dice_loss = sm.losses.DiceLoss() 
focal_loss = sm.losses.BinaryFocalLoss()
total_loss = dice_loss + (1 * focal_loss)
optim = tf.keras.optimizers.Adam(LR)
loss = [total_loss, sm.losses.BinaryFocalLoss(), sm.losses.DiceLoss(),  sm.losses.JaccardLoss()]
metrics = [sm.metrics.IOUScore(threshold=0.5), sm.metrics.FScore()]
model.compile(optimizer = optim, loss=loss, metrics=metrics)

显示每一个损失,我添加损失指标方面:

dice_loss = sm.losses.DiceLoss() 
focal_loss = sm.losses.BinaryFocalLoss()
total_loss = dice_loss + (1 * focal_loss)
optim = tf.keras.optimizers.Adam(LR)
loss = [total_loss]
metrics = [sm.metrics.IOUScore(threshold=0.5), sm.metrics.FScore(), sm.losses.BinaryFocalLoss(), sm.losses.DiceLoss(),  sm.losses.JaccardLoss()]
model.compile(optimizer = optim, loss=loss, metrics=metrics)

我可以将损失函数添加到度量侧吗?或者它将影响培训过程?如果会影响到训练过程，有没有办法让我在不影响训练过程的情况下显示每一个损失值?

Answer 1

是的，这很好，它不会改变训练过程，指标只用于监控，而不是用于计算将训练模型的梯度。