Question

目前，我已经从模型中删除了这个

egen = keras.models.Model(egen_input, [classes,x])

其中x具有[None, 32, 32, 3]，而classes具有[None, 2]作为维度。如何在自定义损失函数中仅引用输出的一部分？

例如

def customLoss():
  def loss(y_true, y_pred): 
    return keras.losses.binary_crossentropy(y_true, y_pred[0])

return loss

当前，上述损失函数向我返回尺寸不匹配的错误，但是如果我只是使用y_pred，它不会返回错误...在这里非常困惑

谢谢！

Answer 1

如果只想使用classes（这是第一个输出）来计算损失，则可以在编译时设置loss_weights选项（https://keras.io/models/model/）。

model.compile(...., loss_weights=[1.0, 0.0])

还请注意，将分别计算每个输出的损耗，然后对输出进行平均（默认情况下权重相等）以获得单个损耗度量。因此，y_pred[0]并不意味着classes，而是classes和x的第一个元素。

编辑。

如果它是类和x的第一个元素，则y_pred [0]的形状是什么？这里有点困惑

都！ Keras分别计算classes和x的损耗，然后取（加权）平均值。因此，如果将问题中的损失函数定义为return keras.losses.binary_crossentropy(y_true, y_pred[0])，则keras尝试使用classes_true与class_pred[0]以及x_true与{{1} }，会引起形状不匹配错误。

如何从Keras中具有不同维度的多输出引用一个输出

1 个答案: