将参数传递到keras损失函数的语法是什么？

我试图给出我的keras神经网络分类交叉熵损失，from_logits=True。但是，我不确定如何将其传递到代码中，因为它要求我指定目标和输出

通常我可以使用：

network.compile(sgd, loss='categorical_crossentropy'),

但现在我必须尝试一下：

network.compile(sgd, loss=categorical_crossentropy(from_logits=True))

这给了我一个错误：

TypeError: categorical_crossentropy() missing 2 required positional arguments: 'target' and 'output'

我能想到的最好办法是：

network.compile(sgd, loss=categorical_crossentropy(y_true, network.output, from_logits=True))

---

我不知道该怎么说才对，因为这不是网络的一部分。我在网上浏览了一下，但没有找到任何具体的方法，奇怪的是，包括keras文档。

keras损失需要严格的两个参数：

y_-true

（地面真实数据）和

y_-pred

（模型输出）

如果要使用具有不同签名的函数，必须将其包装以遵循正确的签名

import keras.backend as K

def cc_from_logits(y_true, y_pred):
    return K.categorical_crossentropy(y_true, y_pred, from_logits=True, axis=-1)

model.compile(loss=cc_from_logits)

---

我确信

cc\u with\u logits

与

softmax+“分类交叉熵”

的结果完全相同

您是否尝试过，

tf.keras.loss.CategoricalCrossentropy（from_logits=True）