model - 当有多个输出时，如何仅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。

使用多个输出时，损失函数中的 y_pred 和 y_true 参数的形状/结构是什么？我可以按照上面的方法访问它们吗？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你可以通过以下方式实现:

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 ) ] )

我似乎无法使用在多个输出上执行损失函数的功能。人们可能可以通过将损失函数合并为网络的一层来实现这一点。