训练期间Keras多输出损耗发生意外变化

Question

我正在Keras上训练2输出模型，其损失函数的形式为[l1，l2]和loss_weights [1，-1]。在训练开始时，总损失函数不是l1-l2，但是经过几个时期后，这个函数就变得固定了。我已经尝试了很多事情，但是还没有弄清楚发生了什么。任何帮助将不胜感激！

请注意，这是对抗性训练，因此我正在逐批训练，并且在每批之后打印出所有损失（total_loss，l1，l2）。我还尝试过分别计算l1和l2，它们与上面的三元组一致。

我的模型具有以下形式

sklearn.feature_extraction.image.extract_patches_2d

培训如下：

gan=Model(inputs=input,outputs=[out1,out2])
gan.compile(loss=[l1,l2],loss_weights=[1,-1],optimizer='Adam')

当打印出损失时，我期望类似 [3,4,1]，因为3 = 4-1。相反，我在培训开始时得到以下信息：

loss=gan.train_on_batch(batch_x,[batch_y,batch_z])
print(f'epoch {ep}, batch {batch_index}, gan_loss:',loss)

如您所见，数字不正确（例如15.37 ..不等于13.87 ..- 0.9118 ...）。但是，经过几个时期之后，由于我得到了

epoch 0, batch 0, gan loss: [15.379185, 13.870087, 0.91181725]
epoch 0, batch 100, gan loss: [2.0804837, 1.3862944, 0.20364553]
epoch 0, batch 200, gan loss: [1.4540046, 1.3862944, 0.38290504]
epoch 0, batch 300, gan loss: [1.264518, 1.3862944, 0.3952997]
epoch 0, batch 400, gan loss: [0.9158491, 1.3862944, 0.6523255]
epoch 0, batch 500, gan loss: [1.3806188, 1.3862944, 0.13243067]

这是预期的输出。这对我来说很神秘，因为似乎代码本身正在收敛，这显然是胡说八道。