Python 对特定标签使用零损失错误

我正在训练一个有16个标签作为输出的数据集。当完成训练时，我想训练另一个数据集，具有第一个数据集的权重，它只有标签14/16的子集。一位朋友告诉我，我必须对那些丢失的标签设置零丢失错误

---

我使用tensorflow和keras作为高级API。如何做到这一点有什么提示吗？

在keras中，每个模型都有一个层属性，您可以在其中重用层来重建模型。重用这些层将导致权重共享

您的问题有两种解决方案：

在第二个模型中，构建一个新的输出层，其中包含适量的输出神经元，这些神经元没有权重共享。（不完全是您想要的，但易于实施） 此外，根据您的用例，您可能还需要添加上一层

构建一个自定义损失函数。这在很大程度上取决于您目前使用的损失函数。但诀窍是对预测进行切片，例如y_pred[：，：-2]（第一个维度是批量大小）

我个人不推荐第二种方法。如果使用softmax之类的激活函数，则与未使用的输出神经元相对应的权重可能仍会更新

此外，还可以通过某种方式获得最后一层的权重，对其进行切片，并使用正确的输出重建一个新层。但这可能会变得非常难看