Tensorflow 在keras模型中使用kohannenkappa损失函数

尝试在keras模型中使用非keras后端函数进行自定义损失计算

我试图让我的keras cnn模型使用自定义损失函数（KAppa分数）。然而，由于kappa并没有在Keras后端定义，所以我需要使用基于scikit学习的kappa实现。与keras后端函数采用张量不同，该sklearn函数采用标签数组作为参数。keras中的损失函数调用主要发送张量Y_pred和Y_true。我使用在网上找到的一些quide执行了下面的实现，但出现了错误

import keras.backend as K
def cohen_kappa_score_func(y_true, y_pred):
    sess = tf.Session()
    with sess.as_default():
        score  = cohen_kappa_score(type(y_true.eval()),type(y_pred.eval()), weights='linear')#idea is to convert the tensor to array
        sess.close()
    return score
#use this later to compile the keras model with custom loss function as 
model.compile(optimizer=optimizers.SGD(lr=0.001, momentum=0.9),
                    loss=cohen_kappa_score_func,
                    metrics=['categorical_crossentropy', 'mae','categorical_accuracy'])

这不起作用，我得到以下错误

“InvalidArgumentError（回溯见上文）：必须为占位符张量'dense_15_target'提供一个值，其中包含数据类型float和形状[？，？] [[节点密集的\u 15\u目标”

---

请给我一些建议来解决这个问题。

你解决了这个问题吗？