Python 如何使用tf keras vis正确实现损失函数？

我试图理解tf keras vis使用中演示的以下代码片段

我正在尝试为我一直在从事的一个项目创建显著性地图。我遇到的问题如下：

定义必要的功能

定义损失函数

必须定义返回目标分数的损失函数。在这里，它返回相应的分数金鱼，熊，突击步枪

# The 'output' variable refer to the output of the model,
# so, in this case, `output` shape is `(3, 1000)` i.e., (samples, classes).
def loss(output):
    # 1 is the imagenet index corresponding to Goldfish, 294 to Bear and 413 to Assault Rifle.
    return (output[0][1], output[1][294], output[2][413])

这究竟是如何计算损失的？我需要理解这一点，以便我可以修改它以将其应用于我自己的模型。如果我只是简单地键入：

def loss(output):
    return output

---

输出类似于显著性图的内容，但我需要了解原始代码段的情况，从我对链接示例中代码的理解来看，“loss”函数只返回您感兴趣分析的网络输出

在示例代码中：

def loss(output):
    # 1 is the imagenet index corresponding to Goldfish, 294 to Bear and 413 to Assault Rifle.
    return (output[0][1], output[1][294], output[2][413])

“丢失”设置为生成三个显著性图像，每个输入图像一个（注意可能更多）。对于第一个，由于图像是金鱼图像，因此返回与金鱼标签匹配的输出（

output[0][1]

，其中图像0是金鱼，标签1是金鱼），同样，对于其他两个示例图像，返回“Bear”和“突击步枪”类的输出

---

因此，如果您知道正在馈送的样本图像有哪些标签，只需返回这些标签的模型输出。

Hello GPhilo，感谢您的回复。所以在我的例子中，我预测图像是1还是0。在我的例子中，似乎我可以迭代，而不是有3个输出，因为每个图像我都在预测它是1还是0。所以在代码中，我需要从损失函数中输出的只是每个图像的模型输出？我正在努力理解这与“丢失”有什么关系，甚至这种函数的意义我不知道实现的方法是如何工作的，但如果我理解正确，它们产生的可视化就是“解释”模型使用图像的哪些区域来产生特定的输出。计算它们的方法是基于研究输出如何改变输入像素，因此每个图像特定于每个图像的一个输出。您可以查看所有输出，当然，我只是不知道这些视图是否有意义。