你好，我一直在尝试在Keras中为dice_error_coefficient创建一个自定义损失函数。它在tensorboard中有实现，我尝试在使用TensorFlow的Keras中使用相同的函数，但当我使用model.train_on_batch或model.fit时，它总是返回一个NoneType，而当在模型的指标中使用时，它会返回正确的值。请问有人能帮助我解决这个问题吗？我尝试过使用ahundt的Keras-FCN库，他使用了自定义损失函数，但这些方法似乎都不起作用。代码中的目标和输出分别为y_true和y_pred，如Keras的losses.py文件中所用。

def dice_hard_coe(target, output, threshold=0.5, axis=[1,2], smooth=1e-5):    """References    -----------    - `Wiki-Dice <https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient>`_    """    output = tf.cast(output > threshold, dtype=tf.float32)    target = tf.cast(target > threshold, dtype=tf.float32)    inse = tf.reduce_sum(tf.multiply(output, target), axis=axis)    l = tf.reduce_sum(output, axis=axis)    r = tf.reduce_sum(target, axis=axis)    hard_dice = (2. * inse + smooth) / (l + r + smooth)    hard_dice = tf.reduce_mean(hard_dice)    return hard_dice

回答：

此外，你可以通过继承现有的损失函数来扩展它。例如，屏蔽BinaryCrossEntropy：

class MaskedBinaryCrossentropy(tf.keras.losses.BinaryCrossentropy):    def call(self, y_true, y_pred):        mask = y_true != -1        y_true = y_true[mask]        y_pred = y_pred[mask]        return super().call(y_true, y_pred)

一个好的起点是custom log指南：https://www.tensorflow.org/guide/keras/train_and_evaluate#custom_losses