Python 在Keras中实现自定义损失函数时遇到问题

我正在尝试在Keras中实现一个自定义损失函数。该模型需要花费大量时间进行编译，并且内存（RAM）不足

我的预测有形状：（无，16，16，5），其中最后一个维度有元素：

[probability, x_coordinate_of_box, y_coordinate of box, width_of_box, height_of_box]

我正在尝试实现一个类似于此损失函数的函数：

注：x在32范围内，因为批次大小为32

K.get_shape（）.as_list（）

或

K.int_shape（）

将批大小返回为无

我希望模型使用自定义丢失，但是

model.compile（）

步骤会继续处理，并耗尽内存/RAM

另外，如果有人能帮助我在运行时得到预测的形状，那将是非常棒的

import keras.backend as K
def yoloLoss(y_true, y_pred):
  sse = 0
  l_bbox = 0
  shape = y_pred.get_shape().as_list()
  w_coord = 1
  w_box = 5
  for x in range(32):
    for i in range(shape[1]):
      for j in range(shape[2]):
          sse += (y_pred[x][i][j][0] - y_true[x][i][j][0])**2
          l_bbox +=  w_coord*((y_pred[x][i][j][1] - y_true[x][i][j][1])**2 + (y_pred[x][i][j][2] - y_true[x][i][j][2])**2) + w_box*((y_pred[x][i][j][2]**0.5 - y_true[x][i][j][2]**0.5)**2 + (y_pred[x][i][j][3]**0.5 - y_true[x][i][j][3]**0.5)**2)
  return sse + l_bbox