我最近决定尝试tf2.0，尤其是高级keras API。我也不太熟悉keras，以前主要使用过tensorflow。但是，我找不到使用自定义损失函数的好方法。举一个简单的例子，假设我们有一个定义如下的多输入多输出模型：
# define model
... your network definition
...
model = tf.keras.Model(inputs=[input_1, input_2], outputs=[output_1, output_2, output_3])
让我们假设有两个自定义损失函数：my_loss_1需要output_1, output_2和targets_1才能计算损失。同样，my_loss_2需要output_2, output_3和targets_2。我的问题是：
train_ds = tf.data.Dataset.zip((input_ds_1, input_ds_2), (target_ds_1, target_ds_2))
并将其传递给model.fit，然后模型将假定使用loss_1和output_1计算target_ds_1，这不是我想要的。
我什至不知道将tf.data与keras一起使用时的数据对应规则如何，在任何地方都没有说明。我的猜测是，训练数据集应为(inputs, targets)的元组。如果您的网络接受多个输入，则输入是(input_1, input_2, ...)的另一个元组，与目标相同。这是正确的吗？
是否可以重用传递给模型的数据？假设现在my_loss_1和my_loss_2都需要target_1，是否需要更改train_ds以包含重复项？
train_ds = tf.data.Dataset.zip((input_ds_1, input_ds_2), (target_ds_1, (target_ds_1, target_ds_2)))