使用循环在tensorflow中创建自定义损失函数

我想使用y_true和y_pred为tensorflow模型创建一个自定义损失函数，但我得到以下错误： ValueError:无法从形状推断num（无，1） 这是我的自定义指标：

def custom_metric(y_true,y_pred):

    y_true = float(y_true)
    y_pred = float(y_pred)
    y_true = tf.unstack(y_true)
    y_pred = tf.unstack(y_pred)

    sqr_pred_error = K.square(y_true - y_pred)
    sqr_y_true = K.square(y_true)
    r = []
    for i in y_true:
        if sqr_pred_error[i] < sqr_y_true[i] or sqr_pred_error[i] == sqr_y_true[i]:
            result = 1
            print("result: 1")
        else:
            result = 0
            print("result: 0")
        r.append(result)
    r = tf.stack(r)

    return  K.sum(r)/K.shape(r)

def自定义度量（y_真，y_pred）：
y_真=浮动（y_真）
y_pred=浮动（y_pred）
y_true=tf.unstack（y_true）
y_pred=tf.unstack（y_pred）
sqr_pred_error=K.square（y_true-y_pred）
sqr_y_真=K平方（y_真）
r=[]
因为我是真的：
如果sqr_pred_error[i]

您可能不需要在其中设置循环。看起来你只需要一堆0和1

---

• 1

  -如果

  sqr\u pred\u错误，当我将其用作度量时，它会起作用，但作为一种损失，我有以下消息错误：ValueError：没有为任何变量提供梯度：[“稠密/内核：0”，“稠密/偏差：0”，“稠密/内核：0”，“稠密/内核：0”，“稠密/内核：0”，“稠密/内核：0”，“稠密/偏差：0”]。有什么想法吗？@JasonGreffier，这很有道理。因为看看tf.where是如何运作的。它收集了一堆与预测本身无关的1和0。所以不会有梯度。我会看看，如果我尝试过的每件事都失败了，这件事是否能挽回损失，如果你成功了，让我来know@JasonGreffier是的，我还没有机会。今天我将试着看一看我没有看到你最后的评论。如果sqr_pred_出错，我将尝试它
  def custom_metric(y_true,y_pred):
  
      y_true = tf.cast(y_true, 'float32')
      y_pred = tf.cast(y_pred, 'float32')
      
      sqr_pred_error = K.square(y_true - y_pred)
      sqr_y_true = K.square(y_true)
  
      res = tf.where(sqr_pred_error<=sqr_y_true, tf.ones_like(y_true), tf.zeros_like(y_true))
      return  K.mean(res)