python-3.x - Tensorflow 1.15/Keras 2.3.1 Model.train_on_batch() 返回的值多于输出/损失函数

Question

我正在尝试训练一个具有多个输出的模型，因此在编译时也附加了多个损失函数。

我过去没有做过类似的事情(至少不是从头开始)。

这是我用来弄清楚这是如何工作的一些代码。

from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model

batch_size = 50
input_size = 10

i = Input(shape=(input_size,))
x = Dense(100)(i)
x_1 = Dense(output_size)(x)
x_2 = Dense(output_size)(x)

model = Model(i, [x_1, x_2])

model.compile(optimizer = 'adam', loss = ["mse", "mse"])

# Data creation
x = np.random.random_sample([batch_size, input_size]).astype('float32')
y = np.random.random_sample([batch_size, output_size]).astype('float32')

loss = model.train_on_batch(x, [y,y])

print(loss) # sample output [0.8311912, 0.3519104, 0.47928077]

我希望变量 loss 有两个条目(每个损失函数一个)，但是，我得到了三个。我认为也许其中之一是加权平均值，但看起来并非如此。

谁能解释一下传递多个损失函数是如何工作的，因为很明显，我误会了什么。

Answer 1

我相信这三个输出是所有损失的总和，然后是每个输出的个别损失。

例如，如果您查看在那里打印的示例输出:

0.3519104 + 0.47928077 = 0.83119117 ≈ 0.8311912