在Keras中，我有一个y_true的目标向量，它适合于具有一个输出神经元的网络 . y_true = [0,1,0,1,1 ....]我有一些收益[1,1,1，-5,1 ...]
我试图将支付作为额外参数放入keras的自定义损失函数中 . Keras只允许将两个参数传递给它（y_true和y_pred），但我还想传递分配给每个样本的支付 . 为此，我在y_true中添加了第二列，其中包含这些值 .
然后我尝试通过执行以下操作在损失函数中再次分离实际的y_true（第一列）和支付（第二列）：
def custom_loss(y_true, y_pred)
# y_true has the payoffs in the second row
payoffs = y_true[:, 1]
payoffs = K.expand_dims(payoffs, 1)
y_true = y_true[:, 0]
y_true = K.expand_dims(y_true, 1))
loss = K.binary_crossentropy(y_true, y_pred)
return loss
这是我想要做的简化版本（在真实版本中，我将把收益整合到损失函数中） . 但是对于上面的例子，我希望损失函数与直接调用binary_cross entropy相同，只有y_true只包含y_true（没有任何支付） .
但是，结果不如预期，因为上面的自定义损失函数的精度值约为一半 .
可能是造成此错误的原因是什么？我没有正确切割y_true吗？
问题与this post中描述的内容有关（curiale在2017年12月12日的评论建议使用slice_stack，但问题是相同的） .
1 回答
我认为问题是我还需要自定义度量函数 .