Keras是否支持y_true与y_pred尺寸不同的自定义损失函数？

问题原因 #

你遇到的报错是Keras对Sequence输入和直接numpy输入的标签维度处理逻辑不一致导致的：

• 直接传入numpy数组的x,y调用model.fit时，Keras可以拿到y的完整静态形状(100,200,3)，会判定你是主动设计标签与模型输出维度不一致，不会触发自动维度对齐逻辑。
• 传入keras.utils.Sequence生成器时，Keras无法提前拿到生成器输出标签的静态形状，会默认启动y_true与模型输出y_pred的维度自动对齐逻辑，尝试挤压多余维度，刚好你的标签最后一维是3不是1，就触发了squeeze报错。你代码里打印的y_true.shape在使用Sequence时显示为(None,None)也佐证了这一点，Keras没有拿到正确的静态维度信息。

修复方案 #

方案1：开启eager执行（改动最小） #

在model.compile时添加run_eagerly=True参数，禁用图模式下的自动维度对齐逻辑，直接按动态逻辑执行损失函数：

model.compile(optimizer=keras.optimizers.Adam(), loss=myLoss, run_eagerly=True)

不需要修改其他代码，直接运行即可。

方案2：显式固定标签形状（性能更好） #

在自定义损失函数开头，用tf.ensure_shape显式指定y_true的预期形状，让Keras拿到正确的静态维度信息，不会触发自动对齐逻辑：

def myLoss(y_true, y_pred):
    # 显式固定y_true的形状，避免Keras自动推断错误
    y_true = tf.ensure_shape(y_true, (None, 200, 3))
    yy = K.sum(K.batch_flatten(y_true),axis=-1,keepdims=1)
    return K.mean(K.square(yy-y_pred))

这个方案不需要开启eager执行，训练性能和原生图模式一致。

内容的提问来源于stack exchange，提问作者Mastiff