我正在使用tf.estimator.Estimator将一大堆代码从tf.keras API移植到tf.data.Dataset，希望与提供的compile / { {1}}。编译的fit和loss实参使我感到沮丧。
基本上，我想使用损失函数，该函数以非累加的方式使用多个输出和标签，即我想提供
metrics我无法将其提供给def custom_loss(all_labels, model_outputs):
"""
Args:
all_labels: all labels in the dataset, as a single tensor, tuple or dict
model_outputs: all outputs of model as a single tensor, tuple or dict
Returns:
single loss tensor to be averaged.
""""
...
，因为据我所知，它仅支持每个输出/标签损失的加权总和，并根据相应的标签对每个标签的形状进行假设模型输出。我无法单独创建它并使用compile，因为如果我想让model.add_loss处理数据集迭代，则永远无法显式访问标签张量。我曾考虑过将所有输出和标签放在一起/将它们串联在一起，但是那样我就无法监视多个model.fit。
我可以使用metrics编写自己的训练循环，但这迫使我复制已经在model.train_on_batch中实现的行为，例如数据集迭代，回调，验证，分配策略等。
举例来说，我想复制以下估算器。
fit