MIMO自动编码器的Keras损失函数

我正在处理一个MIMO自动编码器为2个用户

twouser_自动编码器=型号（输入=[u1_输入_信号，u2_输入_信号]， 输出=[u1_解码1，u2_解码1]）

我想建立一个损失函数L=α*L1+（1−α） *L2 其中，L1是第一用户（u1_输入_信号，u1_解码D1）的损耗，L2是第二用户（u2_输入_信号，u2_解码D1）（监督学习）。参数α为α=L1/（L1+L2），并针对每个小批量进行计算。看起来我的模型没有训练，因为损失仍然很高。我得到了一个错误：

TypeError:from_tensor_slices（）接受1个位置参数，但给出了2个

在这种情况下，当我有多个输入和输出时，如何调用数据集

   train_dataset = tf.data.Dataset.from_tensor_slices([train_data1,train_data1], [train_data2,train_data2])
   train_dataset = train_dataset.shuffle(buffer_size=1024).batch(batch_size) 
   for epoch in range(epochs):   
        for step, (x_batch_train, y_batch_train) in enumerate(train_dataset):
            x_1=x_batch_train[0]
            y_1=y_batch_train[0]
            x_2 = x_batch_train[1]
            y_2 = y_batch_train[1]
            with tf.GradientTape() as tape:
                u1_decoded, u2_decoded=self.twouser_autoencoder((x_1,x_2),training=True)
                loss1=loss_fn(u1_decoded,y_1)
                loss2 = loss_fn(u2_decoded, y_2)
                loss = loss1 * a + loss2 * b

            grads = tape.gradient(loss,self.twouser_autoencoder.trainable_weights)
            optimizer.apply_gradients(zip(grads, self.twouser_autoencoder.trainable_weights))
            a = loss1 / (loss1 + loss2)
            b = loss2 / (loss2 + loss1)  # apply gradients
            if step % 100 == 0:
                print('Epoch: ', epoch, '| train loss: %.4f, L1:%.4f,L2: %.4f,a: %.4f, (1-a):%.4f' % (
                    loss1, loss2,loss ,a, b))