keras有加权交叉熵损失函数吗

是的，Keras中提供了加权交叉熵（weighted cross-entropy）损失函数。这种损失函数可以用于处理类别不平衡的情况，其中不同类别的样本被赋予不同的权重。

在Keras中，可以使用`weighted_crossentropy`损失函数来实现加权交叉熵。以下是使用`weighted_crossentropy`的示例代码：

from keras import backend as K

def weighted_crossentropy(y_true, y_pred):
    # 定义权重
    weights = [0.5, 0.3, 0.2]
    
    # 计算交叉熵损失
    loss = K.categorical_crossentropy(y_true, y_pred)
    
    # 应用权重
    weighted_loss = loss * K.constant(weights)
    
    return K.mean(weighted_loss)

在上述示例中，我们首先定义了一个权重列表`weights`，其中包含了每个类别的权重。然后，使用Keras的`categorical_crossentropy`函数计算交叉熵损失。最后，将交叉熵损失与权重相乘，得到加权交叉熵损失。

你可以将`weighted_crossentropy`作为损失函数传递给Keras模型的`compile`方法中，例如：

model.compile(loss=weighted_crossentropy, optimizer='adam')

这样就可以在训练模型时使用加权交叉熵损失函数了。请根据实际需要调整权重列表`weights`。