小编Edd*_*ddy的帖子

我正在尝试使用如下所示的自定义损失函数来训练自动编码器。输入 Missing_matrix 是一个由 1 和 0 组成的 nxm 数组，对应于 nxm 特征数组。我需要将 Missing_array 与 y_pred 进行逐个元素相乘，这应该是输入特征的重建，以便我可以屏蔽那些乘以 0 的特征，以忽略它们在成本函数中的贡献。我以前从未编写过自定义损失函数，下面的函数根本不起作用。我曾尝试搜索类似的自定义成本函数，但无法找到一个引入像这样的输入数组的函数。我将不胜感激您的帮助或正确方向的指出。

def custom_loss(missing_array):
    
    def missing_mse(y_true, y_pred):
        mse = MeanSquaredError()
        y_pred_masked = tf.math.multiply(y_pred, missing_array)
        return mse(y_true = y_true, y_pred = y_pred_masked)

    return missing_mse

编辑：更进一步

from keras.losses import MeanSquaredError
import tensorflow as tf

def custom_loss(missing_matrix):
    
    def missing_mse(y_true, y_pred):
        mse = MeanSquaredError()
        y_pred_masked = tf.math.multiply(y_pred, tf.convert_to_tensor(missing_matrix, dtype=tf.float32))
        return mse(y_true = y_true, y_pred = y_pred_masked)

    return missing_mse

有错误

InvalidArgumentError:  Incompatible shapes: [64,1455] vs. [13580,1455]
     [[node gradient_tape/missing_mse/BroadcastGradientArgs (defined at …