Keras 均方误差损失层

我目前正在实现一个自定义损失层，在此过程中，我偶然发现了 Objectives.py 文件 [1] 中均方误差的实现。我知道我对这种损失计算的理解遗漏了一些东西，因为我一直认为平均值是在每个小批量（张量的轴 0）中的每个输出的样本之间单独完成的，但看起来平均值实际上是跨最后一个轴（在单个向量中）完成意味着它是跨输出完成的。我在处理自定义损失层时偶然发现了这一点，因为它需要折扣一些输出的损失，因为特定位置的训练输出是特定值。无论如何，我对均方误差的理解不正确吗？为什么 Keras 会使用最后一个轴，从而将 1xn 输出向量转换为 1x1 输出向量？

Thanks.

[1] https://github.com/fchollet/keras/blob/master/keras/objectives.py#L7 https://github.com/fchollet/keras/blob/master/keras/objectives.py#L7

MSE 损失的相关代码如下：

def mean_squared_error(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

这里首先将 y_pred 和 y_true 相减，然后将该结果传递给 K.square，它按预期返回其参数的平方，然后将该结果传递给 K.mean，它计算平均值。

所以代码显然正在做它应该做的事情。关于为什么要操作最后一个轴，这与类无关，它只是一个约定。请注意，一般来说，MSE 定义中没有类。