Python 在Keras中编写没有y_true的自定义损失函数

我正在Keras中实现一个三重态损耗函数。一般来说，损失函数以具有基本真值的预测值为参数。但三重态丢失不使用标签，只使用输出。我尝试只使用一个参数编写函数：

def triplet_loss(y_pred):
    margin = 1
    return K.mean(K.square(y_pred[0]) - K.square(y_pred[1]) + margin)

---

说

triplet\u loss（）

接受1个参数失败，但给出了两个参数（在

score\u array=fn（y\u true，y\u pred）中）

。当我用两个参数编写函数时，

y\u-true，y\u-pred

，程序运行没有错误。这是为什么？我应该用这两个参数来实现这个函数，尽管

y\u-true

不会被使用吗？这是正确的还是有其他方法呢？

好吧……不要使用基本事实：

def triplet_loss(y_true,y_pred):
    #all your code as it is.

在没有基本事实的情况下训练人际网络是不常见的。当我们期望它学习一些东西时，通常会有一个基本事实。如果你不这样做，干脆忽略它

---

另外，如果忽略了

y\u true

，那么传递给fit方法的是什么？只是一个虚拟数组？

通过K.function方法实现它

output_tensor = your_model(input_tensor)
total_loss = K.mean( K.abs (input_tensor - output_tensor) )

nn_train = K.function ([input_tensor],[total_loss], 
                Adam(lr=5e-5, beta_1=0.5, beta_2=0.999).get_updates(total_loss, your_model.trainable_weights)

loss, = nn_train ([input])

---

我还没有解决它，我只是在尝试处理它。我想知道这是否是TF2.3现在推出的最佳解决方案？@sachinruk，可以使用

模型。添加损耗（一些计算的张量）

，并可能使用

损耗=无

进行编译。