Python 3.x 计算矩阵之间的损失

在谷歌的一篇文章（）中，使用这个

loss函数为了最小化错误，我用Python用Tensorflow编写了这个函数

def loss_cal(noise_source, mask, target):
    landa = 0.113
    masked_spec = noise_source*mask
    cc = K.l2_normalize(tf.abs(tf.pow(tf.maximum(1e-4, target), 0.3))-tf.abs(tf.pow(tf.maximum(1e-4, masked_spec), 0.3)))
    cm = K.l2_normalize(tf.math.pow(tf.maximum(1e-4, target), 0.3)-tf.math.pow(tf.maximum(1e-4, masked_spec), 0.3))
    res = tf.math.square(cc)+landa*tf.math.square(cm)
    return res

---

但是它返回一个矩阵，而损失函数必须在一个scare中返回，请纠正我，我的实现错了吗？或者有可能训练一个以损失为矩阵的模型？

您不应该使用just，而不是

---

l2_normalize返回使用范数值规格化的矩阵

您不应该使用just，而不是

---

l2_normalize返回使用范数值规格化的矩阵

但在本文中，使用l2_normalize@WalidBousseta在公式中，他们使用2-范数（欧几里德范数），这是tf.norm的默认值。这是一个标量。l2_normalize使用2-范数规范化矩阵_normalize@WalidBousseta在公式中，他们使用2-范数（欧几里德范数），这是tf.norm的默认值。这是一个标量。l2_规格化使用2-范数规格化矩阵。