在使用Keras API的tensorflow 2中，我的损失张量需要是什么形状？

我已经玩了一段时间的自定义损失函数并取得了一些成功，但我正在努力使用一个新的损失函数，我想知道这是否是由于损失结果张量的形状

My

y\u true

和

y\u pred

张量具有

shape==（100216563）

。由于数据的性质和我在损失函数中执行的计算，输出

shape==（100563）

的损失张量是非常有意义的，因为通过

reduce\u prod（）

操作可以减少第二维度

但是，如果我单独使用这个损失函数，损失值将稳步增加而不是减少。。。我以前没见过这个。如果到处都是，我会认为损失函数是个坏主意，或者我的数学在某个地方错了，但据我所知，数学是正确的

这个缺少中间维度的奇怪形状会影响梯度计算吗？我已经尝试在我的

reduce\u foo（）

方法中使用

keepdims=True

，但是这对增加的损失值没有影响（结果仍然有不同的形状，

shape==（100,1563）

---

通过查看tensorflow文档，我可以找到形状与y_pred和y_true匹配的损失的示例，以及另一个具有单个标量值的损失的示例。是否有任何特定的规则说明输出损失应该是什么形状，或者是否有人能给我一些见解，帮助我理解为什么损失应该是特定的形状（如果这甚至是我的问题）？

您是否尝试过将损失减少为标量？从：加权损失浮点张量。如果减少为无，则为形状[batch_size，d0，…dN-1]；否则为标量。（注意dN-1，因为所有损失函数减少1维，通常轴=-1。）谢谢，我错过了这篇文档的一些内容。那篇参考文献表明，除非我介入，否则它都会被简化为一个标量，所以损失方法的维度可能不会像我想象的那样影响它。我还没有尝试过这个损失的定标器值，但我会的。我同时尝试的是缩小最终轴，而我损失会有一小段时间的减少，然后是一段长时间的缓慢但稳定的损失再次上升……我现在想知道，这种损失是否比我的其他损失计算对高学习率更敏感？