Tensorflow 2.0：在训练中结合使用model.add_loss和keras损失函数不起作用

Question

我在VAE部分中了解了TensorFlow 2.0 tutorial。我按照本教程进行操作，但是尽管直接从给定的Google Colab运行笔记本，但是该模型无法按预期运行。结果实际上与教程中的结果相同（即损耗值非常相似），但是如果您查看输出，则会发现该模型根本无法重建输入（即，所有输入都输出相同的图像） 。结合使用model.add_loss()和keras.losses时，这似乎是本教程的错误。

Original code

我将MSE损失更改为BinaryCrossentropy，但结果仍然相同。

稍后，我尝试在前向传递中显式计算BinaryCrossentropy损失，然后除了使用KL散度损失外，还使用model.add_loss()

Use only model.add_loss() to calculate the loss

通过这种方式，模型可以实际学习数据，并且输出看起来足够好。

所以我有一个关于model.add_loss()和损失的问题，该函数采用(y_true, y_pred)（即keras.losses）。更新后的代码只有能够计算前向通过中的损失（例如，kl散度或重建损失），才能工作，在模型需要模型真实性的情况下，如何正确组合model.add_loss()和keras.losses输出（例如降噪VAE）。