当有多个输出时，如何只在一个输出上训练网络？

Question

我在 Keras 中使用多输出模型

model1 = Model(input=x, output=[y2, y3])

model1.compile((optimizer='sgd', loss=cutom_loss_function)

我的custom_loss函数是

def custom_loss(y_true, y_pred):
   y2_pred = y_pred[0]
   y2_true = y_true[0]

   loss = K.mean(K.square(y2_true - y2_pred), axis=-1)
   return loss

我只想在输出 y2 上训练网络。

当使用多个输出时，损失函数中y_pred和y_true参数的shape/structure是什么？我可以像上面那样访问它们吗？是 y_pred[0] 还是 y_pred[:,0]？

Answer 1

I only want to train the network on output y2.

基于Keras functional API guide，您可以通过

实现

model1 = Model(input=x, output=[y2,y3])   
model1.compile(optimizer='sgd', loss=custom_loss_function,
                  loss_weights=[1., 0.0])

What is the shape/structure of the y_pred and y_true argument in loss function when multiple outputs are used? Can I access them as above? Is it y_pred[0] or y_pred[:,0]

在 keras 多输出模型中，损失函数分别应用于每个输出。在伪代码中：

loss = sum( [ loss_function( output_true, output_pred ) for ( output_true, output_pred ) in zip( outputs_data, outputs_model ) ] )

对多个输出进行损失函数的功能对我来说似乎不可用。人们可能可以通过将损失函数作为网络的一层来实现这一点。

Answer 2

莎拉波拉斯的回答是正确的。

但是，有一种比使用层更好的方法来构建自定义损失函数，其中模型的多个输出具有复杂的相互依赖性。

我知道在实践中使用的方法是从不调用 model.compile 而只调用 model._make_predict_function()。从那里开始，您可以通过在其中调用 model.output 继续构建自定义优化器方法。这将为您提供所有输出，在您的情况下为 [y2,y3]。当你用它施展魔法时，得到一个 keras.optimizer 并使用它的 get_update 方法，使用你的 model.trainable_weights 和你的损失。最后，return 一个 keras.function，其中包含所需输入的列表（在您的情况下仅 model.input）以及您刚刚从 optimizer.get_update 调用中获得的更新。该函数现在取代了 model.fit。

上面经常用在PolicyGradient算法中，比如A3C或者PPO。这是我试图解释的示例： https://github.com/Hyeokreal/Actor-Critic-Continuous-Keras/blob/master/a2c_continuous.py 查看 build_model 和 critic_optimizer 方法并阅读 kreas.backend.function 文档以了解发生了什么。

我发现这种方式在会话管理方面经常出现问题，目前似乎在 tf-2.0 keras 中根本不起作用。因此，如果有人知道方法，请告诉我。我来这里是为了找一个:)

Answer 3

如果自定义损失不能应用于您试图忽略的输出，例如如果他们有错误的形状。在这种情况下，您可以为这些输出分配一个虚拟损失函数：

labels = [labels_for_relevant_output, dummy_labels_for_ignored_output]

def dummy_loss(y_true, y_pred):
    return 0.0

model.compile(loss = [custom_loss_function, dummy_loss])
model.fit(x, labels)

当有多个输出时，如何只在一个输出上训练网络？

How to train the network only on one output when there are multiple outputs?

model

prediction

loss

multipleoutputs

keras