Keras：无任何均值的自定义损失函数

Keras中默认使用的不同损失函数使用所有样本和所有组件之间的平均值。特别是，我使用了：

model_cnn_dense.compile(loss='mae', optimizer=opt)

通过这一点，我在回归测试中获得了1 cm的mea误差的明显良好结果，但从数据来看，我的数据序列中的最大绝对误差约为20 cm，这不利于我的应用

有没有一种方法可以不求所有样本的绝对误差平均值，而只求所有样本的最大绝对误差

多谢各位

---

添加示例（编辑）：

我想从NN中获得以下值：

1,2,3 ... 4,5,6

从NN进行的重建是：

1,2,6 ... 4,5,6

因此，获得的mae为：

(ABS(1-1)+ABS(2-2)+ABS(3-6)+...+ABS(4-4)+ABS(5-5)+ABS(6-6))/N

如果N仅由所示的六个元素组成，则最终mae为0.5（非常低的值）

我想得到的是一个损失函数，它不是平均绝对误差，而是最大绝对误差：

MAX(ABS(1-1),ABS(2-2),ABS(3-6), ..., ABS(4-4)+ABS(5-5)+ABS(6-6))

如果N仅由所示的六个元素组成，则最终最大绝对值为3（与0.5完全不同）

---

这是我理想的损失函数。

你能补充一些关于你到底想要什么的详细信息吗？我编辑了这个问题，举了一个简单的例子，你可以这样做，但是损失函数不能代表整个批次。它将只代表一个样本，导数将仅针对该样本。嗯，不。我只想要所有样本的最大结果误差，而不是所有样本的平均绝对误差，因此它将代表所有N个元素。我编辑了这个问题。对不起，我不清楚。