为 Keras 中的模型编译指定多重损失函数答案

【问题标题】：Specify multiple loss function for model compilation in Keras为 Keras 中的模型编译指定多重损失函数
【发布时间】：2018-12-16 13:58:17
【问题描述】：

我想为交叉熵的对象类指定 2 个损失函数，另一个为均方误差的边界框指定。如何在model.compile中指定每个输出对应的损失函数？

model = Sequential()

model.add(Dense(128, activation='relu'))
out_last_dense = model.add(Dense(128, activation='relu'))
object_type = model.add(Dense(1, activation='softmax'))(out_last_dense)
object_coordinates = model.add(Dense(4, activation='softmax'))(out_last_dense)

/// here is the problem i want to specify loss function for object type and coordinates
model.compile(loss= keras.losses.categorical_crossentropy,
   optimizer= 'sgd', metrics=['accuracy'])

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

首先，你不能在这里使用 Sequential API，因为你的模型有两个输出层（即你写的都是错误的并且会引发错误）。相反，您必须使用Keras Functional API:

inp = Input(shape=...)
x = Dense(128, activation='relu')(inp)
x = Dense(128, activation='relu')(x)
object_type = Dense(1, activation='sigmoid', name='type')(x)
object_coordinates = Dense(4, activation='linear', name='coord')(x)

现在，您可以根据上面给出的名称并使用字典为每个输出层指定损失函数（以及指标）：

model.compile(loss={'type': 'binary_crossentropy', 'coord': 'mse'}, 
              optimizer='sgd', metrics={'type': 'accuracy', 'coord': 'mae'})

此外，请注意，您使用的是 softmax 作为激活函数，我已将其更改为上面的 sigomid 和 linear。这是因为：1）在具有一个单元的层上使用 softmax 没有意义（如果有超过 2 个类，那么您应该使用 softmax），以及 2）另一层预测坐标，因此使用 softmax 根本不适合（除非问题表述允许您这样做）。

【讨论】：