Python Keras自定义目标函数中的Tensorflow占位符

我需要为Keras实现一个自定义目标函数，其中我需要一个额外的tensorflow占位符用于计算。在tensorflow中，我有如下内容：

pre_cost1 = tf.multiply((self.input_R - self.Decoder) , self.input_mask_R)
cost1 = tf.square(self.l2_norm(pre_cost1))

其中，input\u mask\R是tensorflow占位符。对于Keras损失函数，input_R和Decoder分别是与y_true和y_pred相对应的占位符。我将Keras损失函数实现为

def custom_objective(y_true, y_pred):

    pre_cost1 = tf.multiply((y_true - y_pred))
    cost1 = tf.square(l2_norm(pre_cost1))

    return cost1

我需要在keras的损失函数中添加输入掩码的附加信息。（它需要是tensorflow占位符，因为它是输入的掩码，每行输入数据的掩码不同）。

使用keras后端：

import keras.backend as K

大多数张量函数都存在，例如：

input_mask_R = K.placeholder(shape=(yourshape))

但也许，由于您需要预定义的遮罩，您需要的是：

input_mask_R = K.constant(arrayWithValues, shape=(yourshape))

你也可以用

K.multiply

和

K.square

进行乘法和平方运算。这样，如果你曾经想过改变后端，一切都会好起来。（我也不确定Keras是否会处理对tensorflow函数的直接调用…）

---

请参阅文档：

培训期间输入掩码是否发生变化？或者它是为每个输入样本预定义的？它是为每个样本预定义的。你能发布模型吗？至少有一个你正在测试的基本的吗？是的，从我的测试中keras handle

tf.square

作为

K.square