Python TF2.x自定义丢失函数，numpy

我正在尝试使用一个自定义损失函数。我现在使用TF2.x，其中默认情况下启用了“急切执行”。我尝试了TF1.x，但是遇到了太多的问题。除了用tf.py_function（）包装我的函数外，还有其他选择吗？如果不是，我该如何包装

通用：具有自定义损耗功能的自动编码器，该功能是围绕不寻常的排名差异构建的。目前我只使用scipy stats rankdata，但将来会有所改变

张量形状：n，x，x，1

n个图像，每个图像的尺寸为x，x。 因此，我想对所有n个图像的每对orig，pred运行这个自定义丢失函数

通用算法：

import scipy.stats as ss
def rank_loss(orig, pred):
    orig_arr = orig.numpy()  # want x,x,1
    pred_arr = pred.numpy()
    orig_rank = (ss.rankdata(orig_arr))  # returns flat array of length size of array
    pred_rank = (ss.rankdata(pred_arr))
    distance_diff = 0
    for i in range(len(orig_rank)): # gets sum of rank differences
        distance_diff = abs(orig_rank[i] - pred_rank[i])
    return distance_diff

如果我不能这样做，我是否仅限于可用的

tf.

，或者如何将张量作为数组的某种形式提取出来，以便在两个张量之间进行比较计算

---

我还研究了

tf.makendarray

，但这似乎不适用

请注意，即使你找到了一种通过Tensorflow实现这一点的方法，排名函数（通常，任何离散函数）都是不可微的，因此你的损失权将得到

None

梯度，这正是我所担心的。我曾计划使用MAE或MSE，理想情况下使用某种形式的等级差异权重，但我不确定它是否仍然可用。谢谢。请注意，即使你找到了一种通过Tensorflow实现这一点的方法，排名函数（通常，任何离散函数）都是不可微的，因此你的损失权会得到

None

梯度，这正是我所担心的。我曾计划使用MAE或MSE，理想情况下使用某种形式的等级差异权重，但我不确定它是否仍然可用。谢谢