TF2.x自定义损失函数numpy

Question

我正在尝试使用自定义损失函数。我现在使用的是TF 2.x，默认情况下，急切执行处于打开状态。我对TF 1.x非常满意，但是遇到了太多问题。除了使用tf.py_function（）包装函数外，还有其他选择吗？如果没有，我将如何包装呢？

通用：具有自定义损失功能的自动编码器，可围绕异常的排名差异进行构建。目前，我仅使用scipy stats rankdata，但将来会有所改变。

张量形状： n，x，x，1

n 个图像，每个图像为 x，x 暗。 因此，我想在所有 n 个图像的每对 orig，pred 上运行此自定义损失函数。

常规算法：

import scipy.stats as ss
def rank_loss(orig, pred):
    orig_arr = orig.numpy()  # want x,x,1
    pred_arr = pred.numpy()
    orig_rank = (ss.rankdata(orig_arr))  # returns flat array of length size of array
    pred_rank = (ss.rankdata(pred_arr))
    distance_diff = 0
    for i in range(len(orig_rank)): # gets sum of rank differences
        distance_diff = abs(orig_rank[i] - pred_rank[i])
    return distance_diff

如果无法执行此操作，是否仅限于可用的tf.<funcs>或如何将张量作为某种形式的数组拉出，以便可以跨两个张量运行比较计算？

我也看过tf.make_ndarray，但这似乎并不适用。