Question

比方说，这是一个具有两个输出的模型。

import tensorflow as tf
import numpy as np 

x = tf.keras.Input(shape=(35, 7), dtype=tf.float32)     # (None, 35, 7)
net = tf.keras.layers.Dense(11, activation='relu')(x)   # (None, 35, 11)
net = tf.reduce_max(net, axis=1, name='maxpool')        # (None, 11)

a = tf.keras.layers.Dense(13, activation='relu')(net)   # (None, 35, 11)
b = tf.keras.layers.Dense(17, activation='relu')(net)   # (None, 35, 11)
model = tf.keras.Model(inputs=x, outputs=[a, b])

当我执行model.compile(loss=loss_fn, optimizer='sgd')时：
model.fit(x=train, y=(label1, label2))为每对输出和标签（即loss_fn和loss_fn(a, l1)）运行loss_fn(b, l1)

当我执行model.compile(loss=[loss_fn1, loss_fn2], optimizer='sgd')时：
model.fit(x=train, y=(label1, label2))为loss_fn1运行a，为loss_fn2运行b（即{ {1}}和loss_fn1(a, l1)）。

因此，基本上，它似乎可以单独处理输出（与给定的对应标签配对）。

如果我必须定义一个损失函数，该函数应该一起处理/考虑两个输出，并将该函数与loss_fn2(b, l1)一起使用？

（我想到的一件事是将输出连接到一个张量中，并用损失函数将它们分开。但是，我不想去那里，因为两个输出的形状可能不一致。，例如，类似...）

model.fit

Answer 1

您将连接两个密集层，并执行与您提到的完全相同的操作：

exit code -1073740791 (0xC0000409)

编辑;尚未看到@ bit01实际已经评论了要使用的方法

在Tensorflow.keras 2.0中，当一个模型有多个输出时，如何为model.fit（）定义一个灵活的损失函数？

1 个答案: