Python 如何计算自定义keras损失函数中属于一个标签类的元素？

我正在寻找一种方法来计算自定义丢失函数中y_true数组中每个类的出现次数，并用其各自的出现次数替换数组中的每个元素

我已经实现了一个numpy解决方案，但似乎无法将其转换为keras（使用tf后端）

输入示例：

y_true=np.array（[0,1,1,1,0,3]）

进口：

将numpy导入为np
从keras导入后端为k

Numpy实施：

def自定义丢失（y_真，y_pred）：
bins=np.bincount（y_真）
y_true_计数=箱[y_true]
>>>y_true_计数：[2 3 2 1]

Keras实施：

def自定义丢失（y_真，y_pred）
bins=k.tf.bincount（y_真）
y_true_计数=箱[y_true]

虽然numpy解决方案工作正常，但当我想要评估keras实现时，我会得到以下错误：

a = custom_loss(y_true, y_pred)
>>> InvalidArgumentError: Shape must be rank 1 but is rank 2 for 'strided_slice_4' (op: 'StridedSlice') with input shapes: [?], [1,6], [1,6], [1].
[...]
----> 3     y_true_counts = bins[y_true]
[...]

---

尝试

tf.bincount

和

tf.gather

import tensorflow as tf

y_true = tf.constant([0, 1, 1, 1, 0, 3],dtype=tf.int32)
bins = tf.bincount(y_true)
y_true_counts = tf.gather(bins,y_true)

with tf.Session()as sess:
    print(sess.run(bins))
    print(sess.run(y_true_counts))

[2 3 0 1]
[2 3 3 3 2 1]