在Keras中使用自定義損失函數需要定義一個損失函數的Python函數，并將其傳遞給模型的compile()方法中。以下是一個簡單的示例：
import keras.backend as K
# 定義自定義損失函數
def custom_loss(y_true, y_pred):
return K.mean(K.square(y_true - y_pred))
# 編譯模型并指定自定義損失函數
model.compile(loss=custom_loss, optimizer='adam')
# 訓練模型
model.fit(X_train, y_train, epochs=10, batch_size=32)
在上面的例子中，我們定義了一個簡單的自定義損失函數custom_loss，它計算預測值和真實值之間的平方差。然后我們將這個損失函數傳遞給模型的compile()方法中，并使用adam優化器來訓練模型。
需要注意的是，自定義損失函數必須符合Keras的損失函數接口，即接受兩個參數y_true和y_pred，并返回一個標量值作為損失。
