Keras中多输出模型的validation loss和validation data
validation loss and validation data of multi-output model in Keras
我想在 Keras 中训练一个具有一个输入和两个输出的模型，但我在验证设置方面遇到了一些问题。
1) Keras functional API documentation 表示当有多个输出时，model.fit 可以将 numpy 数组列表作为输出。但是，对于 model.fit 的 validation_data 参数，它表示模型可以采用 (x_val, y_val) 或 (x_val 形式的元组, y_val, val_sample_weights).那么我如何传递第二个输出的 y_val 呢？我是否可以使用 validation_split 来做到这一点，或者验证拆分是否也仅应用于我的输出之一？
2) 另外，传递给 EarlyStopping 回调的验证损失是多少？对于像 model.evaluate 这样的函数返回的损失，将返回两个损失值。对于训练，损失乘以它们的权重的总和将被最小化。这如何与 EarlyStopping 一起工作？我希望提前停止也基于损失总和乘以它们的权重的最小化，但我不知道这是否会实际发生。
指定y_train和y_val都可能是numpy.arrays的列表。根据我的经验 val_split 应该没问题。
最终损失是所有模型损失的总和，目的是检查EarlyStopping标准。
我想在 Keras 中训练一个具有一个输入和两个输出的模型，但我在验证设置方面遇到了一些问题。
1) Keras functional API documentation 表示当有多个输出时，model.fit 可以将 numpy 数组列表作为输出。但是，对于 model.fit 的 validation_data 参数，它表示模型可以采用 (x_val, y_val) 或 (x_val 形式的元组, y_val, val_sample_weights).那么我如何传递第二个输出的 y_val 呢？我是否可以使用 validation_split 来做到这一点，或者验证拆分是否也仅应用于我的输出之一？
2) 另外，传递给 EarlyStopping 回调的验证损失是多少？对于像 model.evaluate 这样的函数返回的损失，将返回两个损失值。对于训练，损失乘以它们的权重的总和将被最小化。这如何与 EarlyStopping 一起工作？我希望提前停止也基于损失总和乘以它们的权重的最小化，但我不知道这是否会实际发生。
指定
y_train和y_val都可能是numpy.arrays的列表。根据我的经验val_split应该没问题。最终损失是所有模型损失的总和，目的是检查
EarlyStopping标准。