在
model.fit批量大小是默认32，这就是这个数字的来源。这是正在发生的事情：
在
custom_loss_1
张量中K.abs(y_true-y_pred)
有形状(batch_size=32, 5)
，而在numpy数组中weights
有形状(100, 5)
。这是无效的乘法，因为维数不一致并且无法应用广播。在
custom_loss_2
这个问题中不存在，因为您要乘以2个具有相同形状的张量(batch_size=32, 5)
。在
custom_loss_3
问题是相同custom_loss_1
的，因为转换weights
成Keras变量不改变它们的形状。
更新： 似乎您想对每个训练样本中的每个元素赋予不同的权重，因此
weights数组
(100,5)确实应具有形状。在这种情况下，我将权重的数组输入模型中，然后在损失函数中使用该张量：
import numpy as npfrom keras.layers import Dense, Inputfrom keras import Modelimport keras.backend as Kfrom functools import partialdef custom_loss_4(y_true, y_pred, weights): return K.mean(K.abs(y_true - y_pred) * weights)train_X = np.random.randn(100, 5)train_Y = np.random.randn(100, 5) * 0.01 + train_Xweights = np.random.randn(*train_X.shape)input_layer = Input(shape=(5,))weights_tensor = Input(shape=(5,))out = Dense(5)(input_layer)cl4 = partial(custom_loss_4, weights=weights_tensor)model = Model([input_layer, weights_tensor], out)model.compile('adam', cl4)model.fit(x=[train_X, weights], y=train_Y, epochs=10)
