Python 自定义Keras损失（不具有形式f（y_true，y_pred））

我想使用此成本函数，并针对U和V对其进行优化。我目前正努力使其与Keras一起工作，因为Keras损失函数只能具有形式f（y_true，y_pred）

我的模型完全没有监督，我没有基本的事实。I_x，I_y和I_t是常数，模型的目标是学习使E（F）最小的U和V。所以我的问题是：

---

在Keras中实现这种损失函数（不具有f形式（y_true，y_pred））的正确方法是什么？

我认为您可能需要修改代码以调整Keras的标准。如果网络无监督，您可以让

y_pred==y_ture

像自动编码器一样定义损耗函数，如下所示：

def charbonnier(I_x, I_y, I_t, U, V, e):
    loss = K.sqrt(K.pow((U*I_x + V*I_y + I_t), 2) + e)
    return K.sum(loss)

---

不确定为什么没有选择此选项作为正确答案。

def charbonnier(I_x, I_y, I_t, U, V, e)
    def loss_fun(y_true, y_pred):
        loss = K.sqrt(K.pow((U*I_x + V*I_y + I_t), 2) + e)
        return K.sum(loss)
    return loss_fun