Python 2.7 计算Theano中两个热图之间的交叉熵损失

我对计算Theano中的交叉熵损失有一个问题

具体来说，对于我的网络：

Input: (20,14,90,60) (batchsize,channels,h,w)
filter: (14,14,9,9)
output: (20,1,90,60)
groundtruth: (20,1,90,60)

我想计算每个输出的交叉熵：

for i in xrange(20):
    sum(category_crossentropy(output[i,:,:,:],groundtruth[i,:,:,:]))

在编号、

类别交叉熵（编码距离、真实距离）

中，输入必须是矩阵。 然而，当程序调用cost时，

自身输出

是

[20,1,90,60]

，基本事实是

张量矩阵

def crossEntropy(self,groundtruth):
    error = crossentropy(self.output,groundtruth)
    return error

y = T.matrix('y')
cost = refine_Net.crossEntropy(y)
    train_model = theano.function(
            inputs=[index],
            outputs=cost,
            updates=updates,
            given={
                x: train_Data[index*batch_size:(index+1)*batch_size],
                y: train_Target[index*batch_size:(index+1)*batch_size]
                })

TypeError:argument:coding\u dist需要矩阵