我有一个模型，它必须将输入分类为 45 个类别之一，但这些类别实际上代表箱（例如箱 1、2 和 3 分别在 1 和 10、11 和 20、21 和 30 之间）。我想要的是我的模型将值正确分类到 bin 中，但如果它将 19 放入 bin #3 中，即使在 bin #1 中，我也不会太沮丧。什么是损失函数，它可以测量与正确类别的距离，并将在相邻的 bin 中对分类进行评分，权重为 1/n，其中 n 是到正确 bin 的距离。

请注意，我正在寻找的与 keras 的 top_k 指标不同。