自定义损失和切片（Keras R）

Question

我正在尝试在Keras [R]中编写一个简单的自定义损失，并且遇到了一些麻烦。考虑一个简单的网络，该网络输出一个2维的向量，例如

  model <- keras_model_sequential() 
  model %>% layer_dense(units = 2, input_shape = c(1))

现在，让我们假设（我知道，这很愚蠢），有人想要这样的损失：

                      LOSS = (y_truth - y_pred[1])**2

其中y_truth是一维的，而y_pred（网络的输出）是2维的（因此，一个人完全忽略了第二维）。以下似乎无效：

my_loss <- function(y_true, y_pred){
  K <- backend()
  loss <- K$mean( K$pow(y_true - y_pred[,1],2))) 
  return(loss)
}

我尝试了几种变体，但没有成功。知道怎么做吗？

谢谢！

PS：我真正想做的是编写一个损失函数，该函数将使我获得高斯对数似然性。网络的输出将是均值和log_variance ...

[编辑] 似乎以下变体有效：

my_loss <- function(y_true, y_pred){
  K <- backend()
  loss <- K$mean( K$pow(y_true - y_pred[,1:2],2))) 
  return(loss)
}