Python 如何在训练和测试阶段使用不同的损失函数

我想在训练阶段使用加权损失函数，在测试阶段使用未加权损失函数

我在训练阶段尝试过，但在测试阶段，它仍然使用加权损失函数

def custom_loss():  
        def euclidian_distance_loss(y_true, y_pred):
        edl_in_train = K.sqrt(K.sum(K.square((y_pred - y_true) * weight_matrix().reshape(1, 41, 41, 1))))
        edl = K.sqrt(K.sum(K.square(y_pred - y_true)))
        return K.in_train_phase(edl_in_train,edl)

    return euclidian_distance_loss

由于训练数据的形状是恒定的，而测试不是恒定的，因此在测试阶段开始时出现了错误：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:不兼容的形状

---

我如何才能使这段代码工作，或者在这两个阶段中是否有其他方法使用不同的损失函数？

在测试时，由于您没有最小化损失函数，因此损失函数中的内容并不重要。我要做的是将未加权损失函数作为一个“指标”输入——这样它不会影响训练时的训练，但在测试时，你可以自己分析它，看看你的模型是怎样的

在测试时，由于没有最小化损失函数，因此损失函数中的内容并不重要。我要做的是将未加权损失函数作为一个“指标”输入——这样它不会影响训练时的训练，但在测试时，你可以自己分析它，看看你的模型是怎样的

那是怎么回事？你为什么需要它？自定义损失函数中的任何重塑都应该是不可知的，例如，在第一个维度上有

-1

，因此可以推断形状。请参阅，了解可能的欧几里德距离损失实现（或网络上的许多其他实现）。这是怎么回事？你为什么需要它？自定义损失函数中的任何重塑都应该是不可知的，例如，在第一个维度上有

-1

，因此可以推断形状。有关可能的欧几里德距离损失实现（或整个web中的许多其他实现），请参阅。