我试图为一个三类分类问题定义一个损失函数，如下所示：
def func_loss(y_true, y_pred): return -K.mean(K.prod(K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0, K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))我的y看起来像这样：[[1,0,0], [0,1,0], [1,0,0], [0,0,1], ...]
直观上，我的三类标签是对类别”-1″、”0″和”+1″的一热编码。我希望最大化正确标记”+/-1″，最小化错误标记”+/-1″，并忽略所有”0″标签，无论它们是否正确。
当我使用这个损失函数编译模型时，我得到了以下结果：
Traceback (most recent call last):File "", line 1, in File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 547, in compile**kwargs)File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 622, in compilesample_weight, mask)File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 324, in weightedscore_array = fn(y_true, y_pred)File "", line 2, in func_lossFile "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prodaxis = _normalize_axis(axis, ndim(x))File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 435, in _normalize_axisif axis is not None and axis < 0:File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 547, in nonzeroraise TypeError("Using a tf.Tensor as a Python bool is not allowed. "TypeError: Using a tf.Tensor as a Python bool is not allowed. Use if t is not None: instead of if t: to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.我尝试对这个损失函数进行了一些小的调整，但每次编译模型时都会出现一些错误。我认为我可能对这个工作原理有一些基本的误解。有人能帮帮我吗？
编辑：新的损失函数：
def func_loss(y_true, y_pred): return -K.mean((K.cast(K.argmax(y_pred, axis=1), K.floatx()) - 1.0 )* (K.cast(K.argmax(y_true, axis=1), K.floatx()) - 1.0))回答：
我也在TensorFlow的GitHub上回复了你。
你已经编辑了损失函数，但现在你实际上得到了一个稍微不同的错误。
之前，错误发生在K.mean
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 490, in meanaxis = _normalize_axis(axis, ndim(x))现在，如你所见，错误发生在K.prod
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 464, in prodaxis = _normalize_axis(axis, ndim(x))然而，原因仍然是相同的：K.mean和K.prod各接受一个张量，因此你传递的第二个Tensor被视为axis参数。
