Keras“；形状必须具有相同的等级”；尝试使用其他张量切片张量时出错

在我提出的其他一些问题的基础上，我尝试定义一个自定义损失函数，它允许我使用另一个张量的内容对输入张量的内容进行切片：

def内部损耗（z）：
y_pred=z[0]
patch_x=z[1][0]
patch_y=z[1][1]
patch_true=y_pred[patch_y:patch_y+10，patch_x:patch_x+10，0]
返回0
originalInputs=输入（形状=（128、128、1））
featureInputs=Input（形状=（2，），dtype=“int64”）
原始输出=输入（形状=（128，128，1））
损耗=λ（内部损耗）（[原始输出，特性输入]）
外部模型=模型（输入=[原始输入，特征输入]，输出=损耗）

我得到以下错误：

ValueError:形状的秩必须相等，但为1和0
将形状1与其他形状合并。对于输入形状为[2]、[2]、[1]的“lambda_3/跨步_切片_2/堆栈_1”（op:“Pack”）。

---

这里，

featureInputs

将由一对坐标组成，告诉我们从何处开始在

originalInputs

中对图像进行切片。您没有考虑到第一个维度表示批量大小的事实。要理解我的意思，请在

patch\u true

之前打印

y\u pred

、

patch\u x

和

patch\u y

内部

innerLoss

的形状。你会发现问题所在的。啊，我明白了。因此，我需要将

patch_x=z[1][0]

更改为

patch_x=z[1][0,0]

，对于

path_y

（对于批量大小1）也是如此。但现在我得到一个数据类型错误：

传递给参数“begin”的值的数据类型float32不在允许值列表中：int32，int64

。为什么会这样？我将

featureInputs

定义为具有类型

int32

…我不知道为什么将其转换为float。只需将它们转换回int:

patch_y=K.cast（patch_y，'int32'）

和

patch_x=K.cast（patch_x，'int32）

。

K

是对Keras中后端的引用：

从Keras导入后端为K

。