keras如何处理多重损失？- AskGo

keras如何处理多重损失？

deep-learning

keras

如果我有类似的东西：

model = Model(inputs = input, outputs = [y1,y2])

l1 = 0.5
l2 = 0.3
model.compile(loss = [loss1,loss2], loss_weights = [l1,l2], ...)

Keras如何处理损失以获得最终损失？是这样的吗？

final_loss = l1*loss1 + l2*loss2

另外，在训练期间是什么意思？ loss2是否仅用于更新y2来源的图层上的权重？还是将其用于模型的所有层？

参考资料：

Stack Overflow

2020-06-01 20:27:54 更新

Parker O'Neil• 679

共 2 个回答

高赞时间活跃

对于要向后传播的多个输出，我认为这不是FábioPerez提到的完整答案。

另外，在训练期间是什么意思？ loss2是否仅用于更新y2来源的图层上的权重？还是将其用于模型的所有层？

对于输出C和输出D，keras将计算最终损耗F_loss = w1 * loss1 + w2 * loss2。然后，将最终的损耗F_loss应用于输出C和输出D。最后，使用相同的F_loss从输出C和输出D进行反向传播以反向传播。

2020-06-01 20:28:47 更新

简语风• 680

从model文档中：

loss ：字符串（目标函数的名称）或目标函数。见损失。如果模型具有多个输出，则可以通过传递字典或损失列表来对每个输出使用不同的损失。然后，将由模型最小化的损失值将是所有单个损失的总和。

...

loss_weights ：可选列表或字典，用于指定标量系数（Python浮点数）以加权不同模型输出的损耗贡献。然后，将由模型最小化的损失值将是所有单个损失的加权总和，并由loss_weights系数加权。如果是列表，则期望与模型的输出具有1：1映射。如果是张量，则期望将输出名称（字符串）映射到标量系数。

因此，是的，最终损失将是“所有损失的加权总和，由loss_weights系数加权”。

您可以检查计算损失的代码。

另外，在训练期间是什么意思？ loss2是否仅用于更新y2来源的图层上的权重？还是将其用于模型的所有层？

权重通过反向传播进行更新，因此每个损耗将仅影响将输入连接到损耗的层。

例如：

                        +----+         
                        > C  |-->loss1 
                       /+----+         
                      /                
                     /                 
    +----+    +----+/                  
 -->| A  |--->| B  |\                  
    +----+    +----+ \                 
                      \                
                       \+----+         
                        > D  |-->loss2 
                        +----+