我正在 Keras 上训练一个神经网络，以将类预测为形式、S,P,Twhere和具有不同值的三元组。神经网络的输出是一个联合三元组。SPT

在我的训练数据中，并非所有样本都标记了三元组的所有条目，即对于某些样本，您可以找到 y 值为s1,_,t1or_,p2,_等​​等。

我想实现一个接受这个空值的自定义损失函数。我找到了这个例子：

def masked_loss_function(y_true, y_pred):
    mask = K.cast(K.not_equal(y_true, mask_value), K.floatx())
    return K.binary_crossentropy(y_true * mask, y_pred * mask)

我的问题是：y_pred和y_true是单热编码张量，所以在比较之前y_pred，y_true我需要对它们进行解码，然后比较三元组的内部部分。

我该如何实施？