相关疑难解决方法(0)

我已经看到这个问题之前已经被问过几次，但没有任何解决方案。我的问题很简单：我想实现一个损失函数，它计算预测梯度和真值之间的 MSE（最终转向更复杂的损失函数）。

我定义了以下两个函数：

def my_loss(y_true, y_pred, x):
    dydx = K.gradients(y_pred, x)
    return K.mean(K.square(dydx - y_true), axis=-1)

def my_loss_function(x):
    def gradLoss(y_true, y_pred):
        return my_loss(y_true, y_pred, x)
    return gradLoss

然后，在我的模型中，我调用

model_loss = my_loss_function(x)
model.compile(optimizer=Adam(lr=0.01),
              loss=model_loss)

但我收到以下错误：

ValueError: An operation has没有任何for gradient. Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.

作为参考，整个代码包含在下面。实现这种损失函数的正确方法是什么？

import tensorflow as tf
from tensorflow import keras

import numpy as np
import math, random
import …