计算to矩阵之间的损失

Question

在谷歌的一篇文章(EXPLORING TRADEOFFS IN MODELS FOR LOW-LATENCY SPEECH ENHANCEMENT)中，使用了这个

​

损失函数为了使误差最小化，我使用Tensorflow在Python中编写了这个函数。

def loss_cal(noise_source, mask, target):
    landa = 0.113
    masked_spec = noise_source*mask
    cc = K.l2_normalize(tf.abs(tf.pow(tf.maximum(1e-4, target), 0.3))-tf.abs(tf.pow(tf.maximum(1e-4, masked_spec), 0.3)))
    cm = K.l2_normalize(tf.math.pow(tf.maximum(1e-4, target), 0.3)-tf.math.pow(tf.maximum(1e-4, masked_spec), 0.3))
    res = tf.math.square(cc)+landa*tf.math.square(cm)
    return res

但是它返回一个矩阵，而损失函数必须恢复一个标度，请纠正我，我的实现是错的吗？或者，可以使用损失作为矩阵来训练模型？

Answer 1

你不应该只使用norm，而不使用l2_normalize吗？

l2_normalize返回一个使用范数值进行标准化的矩阵。