我确实有一个用Tensorflow Keras编写的暹罗网络，该网络可以输出测量两个样本有多接近的概率。
original_model.predict([sample1, sample2, ...])=[probability1, probability2 ...] = y_predctions
其中每个样本都包含两个样本的信息。 我使用二进制交叉熵作为包含给定y_true向量的损失函数，该向量包含样本的真实结果。如果两个样本匹配，则为1，否则为0。
现在，我重新设计了模型，模型预测是一个矩阵，其中包含有关样本的所有成对组合的信息：
model.predict([sample1, sample2, ...])=[[probability11, probability12 ...] [probability21, probability22 ...] ... ] = y_predictions
但是我的y_true向量仍然是一维的。
我编写了一个损失函数，将y_true和y_predictions作为输入并计算损失。如果y_true和y_predictions是一个numpy数组，则效果很好。
我可以编译模型，做出预测并评估模型，但是我无法拟合模型（model.fit（x_train，y_true））
是否有一种方法使用损耗函数，该函数将一维NumPy数组作为y_true，将n x n NumPy矩阵作为y_pred？ 以及一般而言，在Tensorflow中如何调用损失函数？
我知道赋予损失函数的参数与预测的输出不同。我修改了损失函数，该函数不将model.predict（x_train）作为输入，而是将model（x_train）作为输入。 （我只是用y_pred.numpy（）转换了y_pred）。当我尝试拟合模型时，出现错误“ Tensor”对象没有属性“ numpy”。 尽管我使用的是tf版本2.0，但我确保在开始时执行了tf.enable_eager_execution（）。 我在损失函数中打印了y_pred向量，并得到了以下内容：
打印（y_pred） Tensor（“ layer_name / Identity：0”，shape =（None，None），dtype = float32）
我还尝试使用tf.numpy_function模块，该模块将numpy函数包装在tf函数中。当我尝试拟合模型时，出现错误 ValueError：没有为任何变量提供渐变：
如上所述，我使用Tensorflow 2.0和python 3.7.6