Python tensorflow中的自定义成本函数

我想在tensorflow中自定义成本函数。 但是，我想访问张量

y\u pred

的每个元素。 为此，我将

y\u pred

转换为numpy数组。 在我计算之后，我转换回张量 但是当我运行代码时，它有一个错误

ValueError:没有为任何变量提供渐变：['dense/kernel:0'， “密集/偏差：0”、“密集/内核：0”、“密集/偏差：0”， “稠密_2/内核：0”、“稠密_2/偏差：0”、“稠密_3/内核：0”， '密集_3/偏差：0']

这是我的密码 [这里y_true和y_pred的形状为（，8）]

---

非常感谢您。

您给出了一个错误和一些代码，但没有说明问题。之所以没有渐变，是因为您在损失函数中将张量转换为numpy数组，从而打破了张量流依赖关系，请不要这样做@例如先生是100%正确的。在tf.variable和cost tensor之间没有由于numpy转换而试图最小化的路径。您给出了一个错误和一些代码，但没有说明问题。之所以没有梯度，是因为您将损耗函数中的张量转换为numpy数组，从而打破了张量流依赖关系，请不要这样做@例如先生是100%正确的。由于numpy转换，tf.variable和cost tensor之间没有要最小化的路径

def custom_loss_function(y_true, y_pred):
    y_pred_arr = y_pred.numpy()
    for i in range(len(y_pred_arr)):
        a = y_pred.numpy()[i,0]
        b = y_pred.numpy()[i,1]
        c = y_pred.numpy()[i,2]
        d = y_pred.numpy()[i,3]
        e = y_pred.numpy()[i,4]
        f = y_pred.numpy()[i,5]
        g = y_pred.numpy()[i,6]
        h = y_pred.numpy()[i,7]
  
        T = tf.Variable(np.zeros(shape=[8]))
        MSM = a**2+b**2+c**2+d**2+e**2+f**2+g**2+h**2
        T = T[0].assign((a**2+b**2+c**2+d**2)/MSM)
        T = T[1].assign(0.0)
        T = T[2].assign((a*e+b*f+c*g+d*h)/MSM)
        T = T[3].assign((-a*f+b*e-c*h+d*g)/MSM)
        T = T[4].assign((e*a+f*b+g*c+h*d)/MSM)
        T = T[5].assign((-e*b+f*a-g*d+h*c)/MSM)
        T = T[6].assign((e**2+f**2+g**2+h**2)/MSM)
        T = T[7].assign(0.0)

        for j in range (0,7):
            y_pred_arr[i,j] = T[j]

    y_pred_tensor = tf.convert_to_tensor(y_pred_arr,dtype=tf.float32)
    return tf.keras.losses.mean_squared_error(y_true, y_pred_tensor)