我对 keras 和 DL 相当陌生，我正在尝试构建一个损失函数，但我对来自网络的数据如何通过损失函数的 y_pred 和 y_true 传递有疑问。
例如，我的网络有 3 个不同的输出，这里是一个：
SEC5 = merge( [SEC1_up, SEC2_up, SEC3_up, SEC4_up], mode='concat', concat_axis=1 )
SEC5 = Convolution2D( 2,1,1, subsample=(1, 1), border_mode='same', activation="sigmoid" )( SEC5 )
SEC5 现在是一个 2 通道张量，它预测一个通道中的边缘和另一个通道中的非边缘。
我的模型是使用以下行创建的：
model = Model( input=inputs, output=[Final, ILLP2, SEC1, SEC2, SEC3, SEC4, SEC5] )
我在 Final 上执行二元交叉熵，在 ILLP2 上执行平方损失，然后对每个 SEC 层执行自定义损失。在构建自定义损失时，我遇到了一些我不理解的东西。多个通道层（如 SEC5）如何传递给损失函数？这在我的边缘损失中尤为重要，因为我需要计算边缘层中的边缘数，以及非边缘层中的非边缘数。
当我这样做时，我不明白的是损失函数中的实际变量（y_true 和 y_pred）：
print 'y_true data'
print y_true.ndim
print y_true.type
print 'y_pred data'
print y_pred.ndim
print y_pred.type
我得到以下值：
y_true data
2
TensorType(float32, matrix)
y_pred data
2
TensorType(float32, matrix)
这就是我对一切感到非常困惑的地方。据我了解，矩阵的张量类型只能是二维的，但我本质上是 3 维的？它如何处理这些信息？
在我自己制作复杂的损失函数之前，我觉得我应该理解这一点，您可以提供给我的任何信息将不胜感激。
干杯，
迈克尔