具有多个输出的网络，如何计算损失？

Question

当训练一个具有多个分支的网络时，因此会有多个损失，keras 描述中提到全局损失是两个部分损失的加权和，即 final_loss = l1*loss1 + l2*loss2

然而，在我的模型由两个分支组成的训练过程中，并使用两个分支的分类交叉熵损失进行编译，选项为 loss_weights=[1., 1.]。我希望将全局损失视为两个损失的平均值（因为两个部分损失的权重相等），但事实并非如此。我得到了一个相对较高的全局损失，我无法猜测它是如何使用部分损失及其权重来计算的。以下是一些训练值。谁能向我解释一下如何使用这些参数计算全局损失？并且损失权重的总和是否应该不超过 1（即我应该使用 loss_weights=[0.5, 0.5] 来代替吗？）被封了好久了，如果能帮上忙，我会非常感谢。

Epoch 2/200
26/26 [==============================] - 39s 1s/step - loss: 9.2902 - 
dense_1_loss: 0.0801 - dense_2_loss: 0.0717 -
Epoch 3/200
26/26 [==============================] - 39s 1s/step - loss: 8.2261 - 
dense_1_loss: 0.0251 - dense_2_loss: 0.0199 -
Epoch 4/200 
26/26 [==============================] - 39s 2s/step - loss: 7.3107 - 
dense_1_loss: 0.0595 - dense_2_loss: 0.0048 -
Epoch 5/200
26/26 [==============================] - 39s 1s/step - loss: 6.4586 - 
dense_1_loss: 0.0560 - dense_2_loss: 0.0025 -
Epoch 6/200
26/26 [==============================] - 39s 1s/step - loss: 5.9463 - 
dense_1_loss: 0.1964 - dense_2_loss: 0.0653 -
Epoch 7/200
26/26 [==============================] - 39s 1s/step - loss: 5.3730 - 
dense_1_loss: 0.1722 - dense_2_loss: 0.0447 -
Epoch 8/200
26/26 [==============================] - 39s 1s/step - loss: 4.8407 - 
dense_1_loss: 0.1396 - dense_2_loss: 0.0169 -
Epoch 9/200
26/26 [==============================] - 39s 1s/step - loss: 4.4465 - 
dense_1_loss: 0.1614 - dense_2_loss: 0.0124 -
Epoch 10/200
26/26 [==============================] - 39s 2s/step - loss: 3.9898 - 
dense_1_loss: 0.0588 - dense_2_loss: 0.0119 -
Epoch 11/200
26/26 [==============================] - 39s 1s/step - loss: 3.6347 - 
dense_1_loss: 0.0302 - dense_2_loss: 0.0085 -

Answer 1

正确。全局损失是两个部分损失的加权和

Global loss=(loss1 * weight1 + loss2 * weight2)

我采用了 keras 函数模型来证明全局损失是两个部分损失的加权和。请查看整个代码 here.

模型编译为

model.compile(optimizer=keras.optimizers.RMSprop(1e-3),
              loss=[keras.losses.BinaryCrossentropy(from_logits=True),
                    keras.losses.CategoricalCrossentropy(from_logits=True)],
              loss_weights=[1., 0.2])

训练为

的模型

model.fit({'title': title_data, 'body': body_data, 'tags': tags_data},
          {'priority': priority_targets, 'department': dept_targets},
          epochs=2,batch_size=32)

Epoch 1/2
40/40 [==============================] - 2s 45ms/step - loss: 1.2723 - priority_loss: 0.7062 - department_loss: 2.8304
Epoch 2/2
40/40 [==============================] - 2s 46ms/step - loss: 1.2593 - priority_loss: 0.6995 - department_loss: 2.7993

查看权重和二次损失如何得到整体损失 (loss1*weight1+loss2*weight2) (0.7062*1.0+2.8304*0.2)#1.27228

希望这对您有所帮助。

具有多个输出的网络，如何计算损失？

Networks with multiple outputs, how the loss is computed?

tensorflow

keras

backpropagation

loss-function

conv-neural-network