我有一个产生单个输出的 pytorch 卷积神经网络，然后将该输出与训练样本的特征向量一起馈送到 K 均值分类器。然后，k-means 分类器会生成一个值，该值表示分类器的剪影得分和惯性。我想为这个模型架构开发一个成本函数，旨在最小化剪影分数和惯性的总和，即（1/剪影分数 + 惯性）。在我的实现中，k-menas 分类器是我的模型对象中的一个方法。我调用 k-means 分类器来处理模型输出和特征向量。要将模型输出用于 kmeans 方法，我必须在输出上应用 detach() 方法。
我决定使用 (1/silhouette score + inertia) 作为我的成本函数，但我相信梯度将为 0，因为 (1/silhouette score + inertia) 计算结果为常数并且它没有模型参数在里面。我希望根据我的成本函数更新模型参数，该成本函数旨在最小化（1/剪影分数 + 惯性）