Keras中的自定义损耗函数（焦点损耗）输入大小错误

我使用一个中立的网络做多类分类。有3个不平衡的类，所以我想用焦点损失来处理平衡。因此，我使用自定义损失函数来拟合Keras序列模型。我尝试了在线找到的多个版本的聚焦损失函数代码，但它们返回相同的错误消息，基本上说输入大小是浴缸大小，而预期为1。谁能看看这个问题并告诉我你是否能解决它？我真的很感激

model = build_keras_model(x_train, name='training1')

​

​ <代码>#适合模型（5个时代的列车） 历史=模型拟合（x=x\U序列，y=y\U序列，批量大小=64，历代数=5， 等级重量=等级重量）

---

Keras损失函数获取一批预测和训练数据，并使用它们生成损失张量。实现这一点的一种方法是简单地定义一个带有两个张量输入的函数，返回一个数字，如下所示

def mse(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

然后在编译时将其传递给模型，如下所示

model.compile(optimizer = tf.keras.optimizers.Adam(0.001), loss = mse)

---

您正面临这样一个问题：您正在利用某个helper类，该类是为您执行某些逻辑而设计的，但不幸的是，它的文档并不十分清楚它到底为您做了什么，因此，您需要自己做什么

在本例中，使用

tf.keras.Loss.Loss

。您所需要做的就是实现

call（）

（以及可选的

\uuuu init\uuu

）。不幸的是，该函数根本没有说明它希望

call（）

返回什么。但是，由于您需要在

\uuuu init\uuuu（）

中指定

缩减量，我们可以假设
调用（）
不只是返回一个数字。否则，
减少
将是无用的。换句话说：错误告诉您，
call（）
返回单个数字，而预期返回64个数字（您的批处理大小）

因此，与其自己（通过调用
tf.reduce\u mean（reduced\u fl）
）将批次缩减为一个数字，不如让helper类为您这样做，直接返回
reduced\u f1
。目前您使用的
reduction=tf.keras.loss.reduction.AUTO
很可能就是您想要的

def mse(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

model.compile(optimizer = tf.keras.optimizers.Adam(0.001), loss = mse)