正常的损失加上感知损失，肯定需要自定义合适的loss function。在keras中，自定义loss function :
先考虑keras中的loss，如下：
def mean_squared_error(y_true, y_pred):
return K.mean(K.square(y_pred - y_true), axis=-1)
如果要定义自己的感知损失：
def model_loss(y_true, y_pred):
inp = Input(shape=(128, 128, 1))
x = Dense(2)(inp)
x = Flatten()(x)
model = Model(inputs=[inp], outputs=[x])
a = model(y_pred)
b = model(y_true)
mse = K.mean(K.square(a - b))
return mse
上面的代码只是一个概念展示，但是能够指导我们应该如何去做。
因为在做医疗影像，所以一般的医疗影像都不是正常的RGB三通道图像，往往是3D的影像或者是1通道影像，如下图所示：
脑部的失状图影像，图像大小是(182, 218,1)，训练的神经网络输入是（160，200，1），那么如果要使用VGG16的感知损失的话，需要将其复制为3通道，具体细节代码如下：
def VGGloss(y_true, y_pred):
from keras.applications.vgg16 import VGG16
mod = VGG16(include_top=False, weights='imagenet')
pred = K.concatenate([y_pred, y_pred, y_pred])
true = K.concatenate([y_true, y_true, y_true])
vggmodel = mod
f_p = vggmodel(pred)
f_t = vggmodel(true)
return K.mean(K.square(f_p - f_t))
model.compile(optimizer=Adam, loss = losses.VGGloss)
参考：https://stackoverflow.com/questions/43914931/vgg-perceptual-loss-in-keras
损失函数（loss function）是用来估量模型的预测值f(x)与真实值Y的不一致程度，损失函数越小，一般就代表模型的鲁棒性越好，正是损失函数指导了模型的学习。
感知损失perceptual loss（VGG损失）
对于图像风格化，图像超分辨率重建等任务来说，早期都使用了图像像素空间的L2 loss，但是L2 loss与人眼感知的图像质量并不匹配，恢复出来的图像往往细节表现不好。
现在的研究中，L2 loss逐步被人眼感知loss所取代。人眼感知loss也被称为perceptual loss（感知损失）
感知损失通过一个固定的网络（VGG16,VGG19..），分别用prediction 和 groundtruth作为VGG16输入， 得到对应的输出特征，pre-vgg，gt-vgg。注：往往pre-loss（感知损失）为正则项，需要配合其他损失函数进行指导，可以通过自定参数调节感知损失的惩罚（调节）力度。在提取特征时，通常不会只使用一层的特征，而是使用网络中浅层，中层，深层特征，进行组合。2.送入prediction和ground truth分别通过VGG前向，并得到pre-vgg，gt-vgg。
代码引自：https://github.com/bryandlee/stylegan2-encoder-pytorch/blob/master/train_encoder.py
class VGGLoss(nn.Module):
def __init__(self, device, n_layers=5):
super().__init__()
feature_layers = (2, 7, 12, 21, 30)
self.weig
损失函数（loss function）是用来估量模型的预测值f(x)与真实值Y的不一致程度，损失函数越小，一般就代表模型的鲁棒性越好，正是损失函数指导了模型的学习。
感知损失perceptual loss（VGG损失）
对于图像风格化，图像超分辨率重建等任务来说，早期都使用了图像像素空间的L2 loss，但是L2 loss与人眼感知的图像质量并不匹配，恢复出来的图像往往细节表现不好。
现在的研究中，L2 loss逐步被人眼感知loss所取代。人眼感知loss也被称为perceptual loss（感知
风格迁移VGG-Loss之Gram matrix定义计算和特征表示在风格迁移里的应用
source:
https://www.cnblogs.com/yifanrensheng/p/12862174.html
https://medium.com/@oleksandrsavsunenko/content-and-style-loss-using-vgg-network-e810a7afe5fc
n维欧式空间中任意k个向量之间两两内积所组成的矩阵，称为这k个向量的格拉姆矩阵(Gram matrix)，很
class Vgg19(nn.Module):
def __init__(self, args, requires_grad=False):
super(Vgg19, self).__init__()
self.args = args
self.vgg_pretr...
【1】https://github.com/walid0925/AI_Artistry
【2】A Neural Algorithm of Artistic Style
Note: 本文主要是对论文及参考文献【1】中代码的理解
该算法的本质是利用深度卷积网络对图像输入的抽象，主要是三部分：
将风格图像输入卷积神经网络，将某些层输出作为风格特征（做一次）；
将内容图像输入卷积神...
隔了一个季度之后，再次更新。之前停更并非是意志松懈，主要是身体抱恙，疫情期间过度用眼导致眼疲劳，加上中途打球崴脚卧床数周，拖着疲劳的眼睛勉强能应付网课和日常任务，那段时间也反思为什么以前在学校时长时间用眼也没有什么不适，细想发现眼睛日常通勤中得到了很好的休息，而在家几乎没有通勤时间。说这么多，总结感悟就是身体是革命的本钱，管理好身体才能更好地输出。
感知损失（Perceptual Loss）
在生成网络中，为了使生成图像与源图像具有相同的特征，最先使用的主要是在像素层面上做正则化，即∣∣xsrc−xg
