我用 Keras 寫了一個(gè)損失函數(shù)。它有兩個(gè)參數(shù)，y_true和y_pred。我的第一行代碼是：batch = y_pred.get_shape()[0]. 然后在我的batch變量中我有第一個(gè)維度y_pred，所以我循環(huán)range(batch)并寫下我寫的內(nèi)容。那沒(méi)關(guān)系。問(wèn)題是當(dāng)我編譯所有內(nèi)容時(shí)，我收到一條錯(cuò)誤消息，告訴我批處理不是整數(shù)，而是張量。然后，作為 Tensorflow 的初學(xué)者，我開(kāi)始思考如何從 中獲取一個(gè)整數(shù)batch，它應(yīng)該是一個(gè)整數(shù)，但是一個(gè)張量。我試圖這樣做，sess.run(batch)但這根本沒(méi)有幫助。所以，我的問(wèn)題是如何從表示整數(shù)變量的張量中獲取整數(shù)。我想使用一些真正給我一個(gè)整數(shù)而不是張量的函數(shù)。請(qǐng)幫忙。這是我的代碼：def custom_loss(y_true, y_pred):    batch = y_pred.get_shape()[0]    list_ones = returnListOnes(batch)    tensor_ones = tf.convert_to_tensor(list_ones)    loss = 0    for i in range(batch):      for j in range(S):        for k in range(S):            lista = returnListOnesIndex(batch, [j,k,0])            lista_bx = returnListOnesIndex(batch, [j,k,1])            lista_by = returnListOnesIndex(batch, [j,k,2])            lista_bw = returnListOnesIndex(batch, [j,k,3])            lista_bh = returnListOnesIndex(batch, [j,k,4])            lista_to_tensor = tf.convert_to_tensor(lista)            lista_bx_to_tensor = tf.convert_to_tensor(lista_bx)            lista_by_to_tensor = tf.convert_to_tensor(lista_by)            lista_bw_to_tensor = tf.convert_to_tensor(lista_bw)            lista_bh_to_tensor = tf.convert_to_tensor(lista_bh)            element = tf.reduce_sum(tf.multiply(lista_to_tensor,y_pred))            element_true = tf.reduce_sum(tf.multiply(lista_to_tensor, y_true))            element_bx = tf.reduce_sum(tf.multiply(lista_bx_to_tensor, y_pred))            element_bx_true = tf.reduce_sum(tf.multiply(lista_bx_to_tensor, y_true))            element_by = tf.reduce_sum(tf.multiply(lista_by_to_tensor, y_pred))            element_by_true = tf.reduce_sum(tf.multiply(lista_by_to_tensor, y_true))            element_bw = tf.reduce_sum(tf.multiply(lista_bw_to_tensor, y_pred))            element_bw_true = tf.reduce_sum(tf.multiply(lista_bw_to_tensor, y_true))正如你所看到的，我想要batch變量是int這樣我可以循環(huán)并做一些事情。我也用過(guò)size，shape它也行不通。