我已經(jīng)使用 TF 兩年了，在每個項目中，我都會彈出許多無意義的錯誤來進行屏蔽，這些錯誤通常沒有幫助，并且不能表明實際問題是什么。或者更糟糕的是，結果是錯誤的，但沒有錯誤。我總是使用虛擬數(shù)據(jù)在訓練循環(huán)之外測試代碼，這很好。但在訓練中（調(diào)用 fit），我不明白 TensorFlow 到底期望什么。僅舉一個例子，有經(jīng)驗的人可以告訴我為什么這段代碼不適用于二進制交叉熵，結果是錯誤的并且模型不收斂，但在這種情況下沒有錯誤：class MaskedBXE(tf.keras.losses.Loss):    def __init__(self, **kwargs):        super().__init__(**kwargs)    def call(self, y_true, y_pred):        y_true = tf.squeeze(y_true)        mask = tf.where(y_true!=2)        y_true = tf.gather_nd(y_true, mask)        y_pred = tf.gather_nd(y_pred, mask)        loss = tf.keras.losses.binary_crossentropy(y_true, y_pred)        return tf.reduce_mean(loss)雖然這可以正常工作：class MaskedBXE(tf.keras.losses.Loss):    def __init__(self, **kwargs):        super().__init__(**kwargs)    def call(self, y_true, y_pred):        mask = tf.where(y_true!=2, True, False)        y_true = y_true[mask]        y_pred = y_pred[mask]        loss = tf.keras.losses.binary_crossentropy(y_true, y_pred)        return tf.reduce_mean(loss)對于一個絕對的例子來說，情況恰恰相反。我無法使用掩碼作為索引，如 y_pred[mask] 或 y_pred[mask[0]]，或使用 tf.squeeze() 等。但使用 tf.gather_nd() 是有效的。我總是嘗試所有我認為可能的組合，我只是不明白為什么如此簡單的事情會如此困難和痛苦。Pytorch也是這樣嗎？如果您知道 Pytorch 沒有類似的煩人細節(jié)，我很樂意切換。編輯 1：它們在訓練循環(huán)之外正常工作，或者更準確地說是圖形模式。y_pred = tf.random.uniform(shape=[10,], minval=0, maxval=1, dtype='float32')y_true = tf.random.uniform(shape=[10,], minval=0, maxval=2, dtype='int32')# first methodclass MaskedBXE(tf.keras.losses.Loss):    def __init__(self, **kwargs):        super().__init__(**kwargs)            def call(self, y_true, y_pred):        y_true = tf.squeeze(y_true)        mask = tf.where(y_true!=2)        y_true = tf.gather_nd(y_true, mask)        y_pred = tf.gather_nd(y_pred, mask)        loss = tf.keras.losses.binary_crossentropy(y_true, y_pred)        return tf.reduce_mean(loss)    def get_config(self):        base_config = super().get_config()        return {**base_config}# instantiatembxe = MaskedBXE()print(f'first snippet: {mbxe(y_true, y_pred).numpy()}')