Python 学习自定义目标函数

我正在为我的tflearn模型创建自定义目标函数。目标函数很复杂，需要我迭代预测和正确的输出，并添加某些不基于索引的部分。我找不到一种方法来处理tensor数据类型

我使用下面的标准列表编写了一个版本

errorBuild = 0
errorCheck = 0
def CustomLoss(y_pred, y_true):
    for value, index in enumerate(y_true):
        if y_true[index] == 0:
            errorBuild += y_pred[index]
        else:
            errorBuild += y_pred[index] - y_true[index]
            errorCheck += math.abs(errorBuild)

    return errorCheck

似乎没有一种方法可以循环遍历张量的各个值。我应该在目标函数中创建一个新的会话并评估张量吗

---

提前感谢您的帮助

您可以将任何新的损失函数添加到tflearn/objectives.py文件（）。要使用它，只需在回归层中调用它的名称

def my_own_Loss(y_pred, y_true):
    for value, index in enumerate(y_true):
        if y_true[index] == 0:
            errorBuild += y_pred[index]
        else:
            errorBuild += y_pred[index] - y_true[index]
            errorCheck += math.abs(errorBuild)

    return errorCheck

然后打电话进来：

net = tflearn.regression(net, optimizer='momentum',
                         loss='my_own_Loss',
                         learning_rate=0.1)

---

理想情况下，您应该将损失矢量化（可能涉及和tf.abs（y_pred[1:]-y_true））。如果不可能的话，我会看看。