如何在 Keras 中从具有不同维度的多输出中引用一个输出

Question

目前，我从我的模型中输出了这个：

egen = keras.models.Model(egen_input, [classes,x])

其中 x 具有 [None, 32, 32, 3]，classes 具有 [None, 2] 作为它们的维度。如何在自定义损失函数中仅引用部分输出？

例如，

def customLoss():
  def loss(y_true, y_pred): 
    return keras.losses.binary_crossentropy(y_true, y_pred[0])

return loss

目前上面的损失函数 return 是我在不匹配维度上的错误，但是如果我只使用 y_pred，它不会 return 错误...在这里很困惑

谢谢！

Answer 1

如果只想使用第一个输出的classes来计算损失，那么可以在编译时设置loss_weights选项（https://keras.io/models/model/）。

model.compile(...., loss_weights=[1.0, 0.0])

另请注意，损失是针对每个输出分别计算的，然后对输出进行平均（默认情况下具有相同的权重）以获得单个损失指标。所以y_pred[0]并不是classes，而是classes和x的第一个元素。

编辑。

if it's the first element of classes and x, what would be the shape of y_pred[0] ? bit confused here

两者都有！ Keras 分别计算 classes 和 x 的损失，然后取（加权）平均值。因此，如果损失函数在问题中定义为 return keras.losses.binary_crossentropy(y_true, y_pred[0])，则 keras 会尝试使用 classes_true 与 class_pred[0] 以及 x_true 与 x_pred[0] 来计算损失]，这会引发形状不匹配错误。

如何在 Keras 中从具有不同维度的多输出中引用一个输出

how to reference one output from a multi-outputs with different dimension in Keras

python

machine-learning

keras

loss-function