Keras中常用的損失函數包括：
- mean_squared_error（均方誤差）：計算預測值與真實值之間的平均平方誤差，常用于回歸問題。
- mean_absolute_error（平均絕對誤差）：計算預測值與真實值之間的平均絕對誤差，也常用于回歸問題。
- binary_crossentropy（二元交叉熵）：用于二分類問題，計算預測值與真實值之間的交叉熵損失。
- categorical_crossentropy（多分類交叉熵）：用于多分類問題，計算預測值與真實值之間的交叉熵損失。
- hinge（合頁損失）：用于支持向量機（SVM）模型，用于最大化正確類別和最接近的錯誤類別之間的間隔。
這些損失函數的作用是衡量模型在訓練過程中的性能，幫助模型調整權重以最小化損失函數的值，從而提高模型的準確性和泛化能力。選擇合適的損失函數取決于具體的任務和數據集。
