如何在Keras中为具有多个输入和输出的模型定义自定义损失函数？

Question

我正在研究Keras的体系结构实现，该体系结构需要2个输入（input_im_low，input_im_high）并将它们分别传递给一个体系结构并获得2个输出。网络使用的是基于这两个输出和输入定义的自定义损失函数，由于训练的目的是减少自定义损失，因此没有任何事实依据。我尝试根据Keras文档（https://keras.io/api/losses/）创建损失函数，但无法正常工作。我不确定是否需要使用add_loss（）API，如果可以，应如何针对我的情况进行调整？

有人可以建议我如何调整损失函数吗？

我通过运行代码得到以下错误：

vector<uint8_t> v =  { 21 };
uint8_t valueToSearch = 21;


for (vector<uint8_t>::const_iterator i = v.begin(); i != v.end(); ++i){
    cout << unsigned(*i) << ' ' << endl;
}


auto it = find(v.begin(), v.end(), valueToSearch);
if ( it != v.end() )
{
    string m = "valueToSearch was found in the vector " + valueToSearch;
    cout << m << endl;

}

这是代码：

    per_sample_losses = loss_fn.call(targets[i], outs[i])
IndexError: list index out of range

P.S。 -该网络的Tensorflow 1.x实现可在https://github.com/weichen582/RetinexNet中找到。