使用tf.keras自定义损失函数遇类型不匹配错误，求技术支持

错误原因 #

你遇到的TypeError核心是标签数据（y_true）为int64类型，模型输出（y_pred）为float32类型，两者类型不匹配；同时自定义损失函数中使用了numpy的操作（np.abs、np.mean），这在Keras/TensorFlow的计算图模式下会引发运行问题。

修改后的代码 #

import tensorflow as tf

def custom_loss(y_true, y_pred):
    # 将y_true转换为与y_pred一致的float32类型
    y_true = tf.cast(y_true, tf.float32)
    d = y_pred - y_true
    d = tf.abs(d)
    mean_ = tf.reduce_mean(d)
    return mean_

关键修改点 #

• 统一数据类型：用tf.cast把int64的y_true转为float32，和y_pred类型对齐，解决减法操作的类型不匹配问题。
• 替换张量不兼容操作：Keras损失函数需要处理TensorFlow张量，tf.abs和tf.reduce_mean是计算图兼容的API，避免numpy操作打破计算图导致的错误。

额外建议 #

如果你的标签数据本身应该是浮点型，可以在加载数据集时直接将y_true转换为float32，这样损失函数中就不需要额外的类型转换步骤。

内容的提问来源于stack exchange，提问作者GMSL1706