我正在尝试实现自定义损失函数，该函数除了y_true和y_pred参数外还带有预测标签。我正在关注this的答案，但是由于我的数据集非常大，因此我每次都使用生成器为模型提供预测标签。我总共给模型提供了三个输入，一个是输入图像，y_true和预测标签，输出是y_pred。但是我正在使用的数据集（PASCAL VOC）是多标签数据集，因此我无法提前给出预测标签的长度。因此，我对如何给模型提供预测标签感到困惑。我尝试过这种方法，但是由于存储标签的.mat文件格式为（*，1），因此它不起作用，其中*表示每个图像的标签数。

preds = np.zeros((batch_size,None,1))
while True:
   mat = scipy.io.loadmat('VOC_aug/dataset/cls/'+train_images_list[k]+'.mat')
   cats = (mat['GTcls'][0][0]['CategoriesPresent'])
   predictions = list(cats)
   preds[i,:,:] = np.array(predictions)

我知道None不适用于numpy数组，因此，我想知道是否还有其他方法可以将此自定义损失函数添加到模型中。我也参考了this的答案，但是由于我在这里使用了生成器，所以我不明白如何实现它。