我有一个用于二进制分类的自定义损失函数（这只是一个玩具函数，用于说明我的问题）。它可以独立工作，但是当我尝试使用“ sample_weights”参数进行拟合时，它会引发错误“ tensorflow.python.framework.errors_impl.InvalidArgumentError：无法挤压dim [0]，预期尺寸为1，得到了32“。我的批处理大小是32。
我尝试用np.ones代替我的实际样本权重，并得到相同的错误，所以我选择的权重不是问题。
我的自定义损失函数是...
def customLoss(yTrue,yPred):
return K.sum(K.log(yTrue) - K.log(yPred))
我的模型很密集，有2个隐藏层，每个都有32个节点。我在Tensorflow后端上使用Keras。
我是否必须手动添加到自定义损失函数中才能支持“ sample_weights”？