三、自定義損失函式

標準的損失函式並不合適所有場景，有些實際的背景需要採用自己構造的損失函式，Tensorflow 也提供了豐富的基礎函式供自行構建。
例如下面的例子：當預測值（y_pred）比真實值（y_true）大時，使用 (y_pred-y_true)*loss_more 作為 loss，反之，使用 (y_true-y_pred)*loss_less

loss = tf.reduce_sum(tf.where(tf.greater(y_pred, y_true), (y_pred-y_true)*loss_more,(y_true-y_pred)*loss_less))

tf.greater(x, y)：判斷 x 是否大於 y，當維度不一致時廣播後比較
tf.where(condition, x, y)：當 condition 為 true 時返回 x，否則返回 y 
tf.reduce_mean()：沿維度求平均
tf.reduce_sum()：沿維度相加
tf.reduce_prod()：沿維度相乘
tf.reduce_min()：沿維度找最小
tf.reduce_max()：沿維度找最大
使用 Tensorflow 提供的方法可自行構造想要的損失函式。