Deep learning Keras损失函数信息是如何传递的

我是keras和DL的新手，我正在尝试构建一个损失函数，但我对来自网络的数据如何通过损失函数的y_pred和y_true有疑问

例如，我的网络有3种不同的输出，以下是一种：

SEC5 = merge( [SEC1_up, SEC2_up, SEC3_up, SEC4_up], mode='concat', concat_axis=1 )

SEC5 = Convolution2D( 2,1,1, subsample=(1, 1), border_mode='same', activation="sigmoid" )( SEC5 )

SEC5现在是一个2通道张量，用于预测一个通道中的边和另一个通道中的非边

我的模型是使用以下行创建的：

model = Model( input=inputs, output=[Final, ILLP2, SEC1, SEC2, SEC3, SEC4, SEC5] )

其中，我对最终的二元交叉熵，对ILLP2进行平方损失，然后对每个SEC层进行自定义损失。在构建自定义丢失时，我遇到了一些我不理解的东西。如何将多个通道层（如SEC5）传递给损耗函数？这在边缘丢失中尤其重要，因为我需要计算边缘层中的边缘数和非边缘层中的非边缘数

当我这样做时，我不理解的是损失函数中的实际变量（y_true和y_pred）：

print 'y_true data'
print y_true.ndim
print y_true.type
print 'y_pred data'
print y_pred.ndim
print y_pred.type

我得到以下值：

y_true data
2
TensorType(float32, matrix)
y_pred data
2
TensorType(float32, matrix)

这就是我被一切弄糊涂的地方。据我所知，矩阵的张量类型只能是二维的，但我基本上有三维？它如何处理这些信息

我觉得我应该明白这一点之前，我去做我自己的详细损失功能，任何信息，你可以提供给我将不胜感激

干杯

---

Michael

为什么您的网络输出是18频道，而您只有一个频道y_？真的吗？这不像是要预测灰度图像，但网络输出是彩色图像？你应该给出一些信息，这总是取决于我所读到的关于theano作为后端的情况，matrix类只有二维，所以我的问题是，在任何多通道输入（比如说18通道卷积输出）的情况下，它如何处理这些数据？或者我误解了theano文档？你能发布一些关于你的模型的代码吗

18xNxM

只能以秩3或更高的张量存储。顺便说一句，我想大多数CNN都会在里面使用秩4张量，无论是

NCWH

还是

NWHC

格式。我已经编辑了我的问题，包括一个例子和一些我不太理解的更多信息。干杯