Tensorflow 使用Keras自定义损失函数的预测数的随机均匀分布

我正在实现一个自定义损失函数，其中期望平均/均匀地预测标签。 i、 例如，给定一组标签-[1,2,3,4,5]，我们需要最大化输出数的熵。每一个结果都应该有相同的概率

我不知道如何在这里实现相同的概率，仅仅增加相等的权重就足够了吗

from tensorflow import keras
from tensorflow.keras import layers

model = keras.Sequential()
model.add(layers.Dense(64, kernel_initializer='uniform', input_shape=(5,)))
model.add(layers.Activation('softmax'))

def custom_loss_function(y_true, y_pred):
   squared_difference = tf.square(y_true - y_pred)
   return tf.reduce_mean(squared_difference, axis=-1)

weights = {1:1, 2:1, 3:1, 4:1, 5:1}
model.fit(x_train, y_train,verbose=1, epochs=10,class_weight=weights)

---

我会尝试对损失函数求反以得到最大熵（而不是最小值）：这里加负数：return-tf。reduce_mean（平方差，轴=-1）我会尝试对损失函数求反以得到最大熵（而不是最小值）：这里加负数：return-tf。reduce_mean（平方差，轴=-1）