Python 自定义丢失函数：无法将符号张量转换为numpy数组

我正试图用Python中的TensorFlow/Keras构建一个自定义的loss函数

Y_true和Y_pred的形式如下：

>>>是真的
[[[0 0 0 1], [ 0 0 1 0], [0 1 0 0]], [[0 0 1 0], [0 1 0 0], [0 1 0 0]]]
>>>尤普雷德
[[[0 0 0 0], [ 0 0 1 0], [0 0 1 0]], [[0 0 1 0], [0 0 1 0], [1 0 0 0]]]

def loss_iou（y_true，y_pred）：
并集=np.其中（（y_真+y_pred）>=1,1,0）.sum（）
inter=（y_true*y_pred）.sum（）
损失=1-内部/联合
回波损耗

是否有一个TensorFlow函数可以复制

np.where（）

或者一个直接计算零和一之间的逻辑or（例如1 | 1=1和1 | 0=1）的函数，这样我就可以避免使用

where

---

也许还有一个内置的损失函数可以管理这种情况？

有，甚至有。还有。然而，IoU是不可微的，因此不能用作损失（直接，至少，参见例如，备选方案）。这是有道理的！实际上，当两个盒子不重叠时，IoU就没有梯度。有，甚至有。还有。然而，IoU是不可微的，因此不能用作损失（直接，至少，参见例如，备选方案）。这是有道理的！实际上，当两个框不重叠时，IoU没有梯度。