无法在keras中实现Yolov3丢失功能

如何解决无法在keras中实现Yolov3丢失功能

在在线查看eh公式后，我为yolo创建了此损失函数。但是由于某种原因，它会占用大量内存并且效率不高，我认为在实现它时可能会遗漏某些东西并犯了一个错误。 你们中的任何人都可以解释这个错误吗？

def yolo_loss(y_actual,y_predicted):
      
    #  print(y_actual.shape.as_list())
    #  print(y_predicted.shape.as_list())
      c = 4
    
      class_loss = 0.0
      loc_loss = 0.0
      l_coord = 5
      obj_conf_loss = 0.0
      noobj_conf_loss = 0.0
      l_coord2 = 0.5
    
      for b in range(len(y_actual)):
        for j in range(len(y_actual[0])):
          for i in range(len(y_actual[0][0])):
            for k in range(len(y_actual[0][0][0])):
              pred_inverse = k*9
              # classification loss
              for cl in range(5,5+c):
                class_loss += (y_actual[b,j,i,k,cl] - y_predicted[b,pred_inverse+cl]) ** 2
    
              # localization loss
              x_loss = (y_actual[b,0] - y_predicted[b,pred_inverse+0]) ** 2
              y_loss = (y_actual[b,1] - y_predicted[b,pred_inverse+1]) ** 2
              w_loss = ( (y_actual[b,2] ** 0.5) - (y_predicted[b,pred_inverse+2] ** 0.5) )** 2
              h_loss = ( (y_actual[b,3] ** 0.5) - (y_predicted[b,pred_inverse+3] ** 0.5) )** 2
              loc_loss += ( l_coord * (x_loss + y_loss) ) + ( l_coord * (w_loss + h_loss) )
              # object or not loss
              if y_actual[b,4] == 1:
                obj_conf_loss += (y_actual[b,4] - y_predicted[b,pred_inverse+4]) ** 2
              else:
                noobj_conf_loss += l_coord2*(y_actual[b,pred_inverse+4]) ** 2
                
      return ( class_loss + loc_loss + obj_conf_loss + noobj_conf_loss)