Keras自定义损失与多个输出的关系

Question

我用keras(一个convnet)构建了一个自定义体系结构。该网络有4个头，每个头输出一个不同大小的张量。我试图编写一个自定义损失函数作为这4个输出的函数。我以前曾经实现过客户损失，但要么是每个人头损失不同，要么是每个人头损失相同。在这种情况下，我需要组合4个输出来计算损耗。

我已经习惯了以下几点:

def custom_loss(y_true, y_pred):
    return something
model.compile(optimizer, loss=custom_loss)

但就我而言，我需要 y_pred作为4个输出的列表。我可以用零填充输出，并在模型中添加一个连接层，但是我想知道是否有更简单的方法。

编辑

我的损失函数相当复杂，我可以这样写吗:

model.add_loss(custom_loss(input1, input2, output1, output2))

自定义损失定义为:

def custom_loss(input1, input2, output1, output2):
    return loss

Answer 1

您可以尝试model.add_loss()函数。想法是将自定义损失构造为张量而不是函数，将其添加到模型中，然后在不进一步指定损失的情况下编译模型。另请参阅变式自动编码器的this implementation，其中使用了类似的想法。
例子:

import keras.backend as K
from keras.layers import Input, Dense
from keras.models import Model
from keras.losses import mse
import numpy as np

# Some random training data
features = np.random.rand(100,20)
labels_1 = np.random.rand(100,4)
labels_2 = np.random.rand(100,1)

# Input layer, one hidden layer
input_layer = Input((20,))
dense_1 = Dense(128)(input_layer)

# Two outputs
output_1 = Dense(4)(dense_1)
output_2 = Dense(1)(dense_1)

# Two additional 'inputs' for the labels
label_layer_1 = Input((4,))
label_layer_2 = Input((1,))

# Instantiate model, pass label layers as inputs
model = Model(inputs=[input_layer, label_layer_1, label_layer_2], outputs=[output_1, output_2])

# Construct your custom loss as a tensor
loss = K.mean(mse(output_1, label_layer_1) * mse(output_2, label_layer_2))

# Add loss to model
model.add_loss(loss)

# Compile without specifying a loss
model.compile(optimizer='sgd')

dummy = np.zeros((100,))
model.fit([features, labels_1, labels_2], dummy, epochs=2)