Keras损失的周期边界条件

我尝试预测0-63之间的值。我的指标是梅。如果我使用通常的MAE作为损失，CNN混合了0和63这样的值作为边缘

我尝试使用我的自定义损失：

def cyclic_loss(y_true, y_pred): 
    loss = K.mean(K.square((y_true +image_height/2 - y_pred) % image_height-image_height/2))
    return loss

但是要得到像这样的MAE图：

---

我如何表示CNN“如果你得到的值=64，它意味着1，而不是64”

你是说你的y_pred可以有从0到无穷大的值，但是你想要像64映射到1，70映射到7，255映射到0这样的东西吗？@fedor petrov是的，对，只是好奇，应用程序是什么？这些值是float还是int？如果int，为什么不使用一个具有64个输出神经元的分类器，并根据得分最高的神经元选择该值？但无论如何，你可以尝试在你的损失函数中用

y_pred%64

替换

y_pred

。这是图像数据集的回归预测，我有图像数据集和对象的一个坐标，但CNN在检测图像边缘的对象时遇到问题，当对象有坐标0或63时，CNN会混淆这些值