Keras结合了两种损失函数的价值

Question

我有一个模型内容，一个编码器和两个具有两个损耗函数的解码器：

input_shape = (384, 512, 3)
model = Model(inputs=input, outputs=[1_features, 2_features])
model = build_model(input_shape, 3)
losses = {
"loss1_output": "categorical_crossentropy",
"loss2_output": "categorical_crossentropy"}

lossWeights = {"loss1_output": 1.0, "loss2_output": 1.0}
EPOCHS = 50
INIT_LR = 1e-3

opt = Adam(lr=INIT_LR, decay=INIT_LR / EPOCHS)
model.compile(optimizer=opt, loss=losses, loss_weights=lossWeights,
          metrics=["accuracy"])

我会将这些损失的值合并为一个损失值，然后将合并结果向后。 我的问题与我阅读并尝试过的one很接近，我发现每个分支（输出）一次都称为损失函数的模型。