Tensorflow Keras自定义功能非常慢

我已经写了一个自定义损失函数，但它非常慢。仅仅编译模型就花了几个小时。背后的原因可能是什么？有没有办法优化这段代码，让它变得更快

打印“2完成”后所需的大部分处理时间

def丢失（y_真，y_pred）
.
一些代码
.
w=np.随机.随机（5,10,8,8,3））
#瓷砖到5D
y_-true=np.tile（y_-true，（5,1,1,1））
y_pred=np.tile（y_pred，（5,1,1,1））
打印（'1已完成'）
x=np.sum（y_pred*w，轴=（3,4），keepdims=True）
y=np.sum（y_真*w，轴=（3,4），keepdims=true）
打印（'2已完成'）
x2=np.sum（（w*y*u pred）**2，轴=（3,4），keepdims=True）-x**2
y2=np.sum（（w*y_真）**2，轴=（3,4），keepdims=真）-y**2
打印（“2.5完成”）
xy=np.sum（w*y_pred*y_true，axis=（3,4），keepdims=true）-x*y
.
一些代码
.
回波损耗

"

损失函数：

def自定义损失（y_真，y_pred）：

返回丢失（y_true，y_pred）

在此类函数中包含

打印

函数是一个非常糟糕的主意…我在Ipython笔记本中没有调试工具。所以，我必须检查出哪里出了问题。还有什么替代方法？为什么在

keras

loss函数中使用

numpy

函数？您需要使用

keras.backend

或您的后端。我也尝试过keras函数，但它们没有任何区别。在此类函数中包含

print

函数是一个非常糟糕的主意……我在Ipython笔记本中没有调试工具。所以，我必须检查出哪里出了问题。还有什么替代方法？为什么在

keras

loss函数中使用

numpy

函数？您需要使用

keras.backend

或您的后端。我也尝试过keras函数，但它们没有任何区别。