Python 使用Keras的自定义损失函数中的索引张量

我正在

Keras

中使用自定义损失函数。 这就是功能：

def custom_loss(groups_id_count):
  def listnet_loss(real_labels, predicted_labels):
    losses = tf.placeholder(shape=[None], dtype=tf.float32) # Tensor of rank 1
    for group in groups_id_count:
      start_range = 0
      end_range = (start_range + group[1])
      batch_real_labels = tf.slice(real_labels, [start_range, 1, None], [end_range, 1, None])
      batch_predicted_labels = tf.slice(predicted_labels, [start_range, 0, 0], [end_range, 0, 0])
      loss = -K.sum(get_top_one_probability(batch_real_labels)) * tf.math.log(get_top_one_probability(batch_predicted_labels))
      losses = tf.concat([losses, loss], axis=0)
      start_range = end_range
    return K.mean(losses)
  return listnet_loss

我将从

start\u range

到

end\u range

获取

real\u标签

和

predicted\u标签

项，但当前代码返回异常：

错误：

TypeError: Failed to convert object of type <class 'list'> to Tensor.
Contents: [0, 1, None]. Consider casting elements to a supported type.

TypeError:无法将类型的对象转换为Tensor。
内容：[0，1，无]。将铸造元素考虑为支持类型。

我不知道该怎么办，因为这是我第一次体验

TensorFlow

和

Keras

。

---

如何使用张量上的索引获取项目？提前感谢。

错误是因为

占位符
中指定的
无
形状
，并且它发生在行中

  batch_real_labels = tf.slice(real_labels, [start_range, 1, None], [end_range, 1, None])

解决方法是将
变量
定义为该
占位符
的
形状
，并使用该
变量
而不是
无

其代码如下所示：

h = tf.shape(losses)[0]
batch_real_labels = tf.slice(real_labels, [start_range, 1, h], [end_range, 1, h])

此解决方法将修复错误，
TypeError:无法将类型的对象转换为Tensor。内容：[0，1，无]。将铸造元素考虑为支持类型。< /代码>但随后的代码行可能会导致其他错误。

如果您遇到任何其他错误，请分享
错误
，完整的代码，包括函数，
获取最高概率
，以及目标，例如，您使用该函数想要实现什么，
自定义损失
，我可以很高兴地帮助您

作为
Tensorflow
和
Keras
的新手，祝您学习愉快
 错误是由于
tf.placeholder
中指定了
None
形状
，并且它发生在行中

  batch_real_labels = tf.slice(real_labels, [start_range, 1, None], [end_range, 1, None])

解决方法是将
变量
定义为该
占位符
的
形状
，并使用该
变量
而不是
无

其代码如下所示：

h = tf.shape(losses)[0]
batch_real_labels = tf.slice(real_labels, [start_range, 1, h], [end_range, 1, h])

此解决方法将修复错误，
TypeError:无法将类型的对象转换为Tensor。内容：[0，1，无]。将铸造元素考虑为支持类型。< /代码>但随后的代码行可能会导致其他错误。

如果您遇到任何其他错误，请分享
错误
，完整的代码，包括函数，
获取最高概率
，以及目标，例如，您使用该函数想要实现什么，
自定义损失
，我可以很高兴地帮助您

作为
Tensorflow
和
Keras
的新手，祝您学习愉快
 请使用后端函数K.reforme根据您自己的知识对输入标签和输入预测进行重塑

对于标签，输入是未定义的（？，），因此需要通过重塑它来修复它。否则，您将无法对其编制索引。
请使用后端函数K.Reformate根据您自己的知识对输入标签和输入预测进行重塑

对于标签，输入是未定义的（？，），因此需要通过重塑它来修复它。否则，您无法对其编制索引。
Hi@pairon，请提供最小可复制代码。Hi@pairon，请提供最小可复制代码。