Python 如何从自定义Tensorflow损耗函数中处理神经网络的单个输出？

我想实现一个定制的损失函数（特别是）来训练Tensorflow中的NN，其中NN有两个输出，损失函数是一个包含输出和预期输出的公式。我如何单独处理这些问题？例如，它看起来像：

def mean_absolute_percentage_error(y_true, y_pred):
  y_pred = ops.convert_to_tensor(y_pred)
  y_true = math_ops.cast(y_true, y_pred.dtype)
  diff = math_ops.abs(
      (y_true - y_pred) / K.clip(math_ops.abs(y_true), K.epsilon(), None))
  return 100. * K.mean(diff, axis=-1)

这里传递的张量到底是什么？它们有什么形状？我还没有找到任何关于这个的文档。我看到的所有自定义损失示例都只是一次计算所有输出，而我需要选择单个输出

---

请注意：由于损耗函数是所有三个值的函数，我无法将网络定义为两个输出，也无法为每个输出定义单独的损耗，因为损耗函数是所有三个值的函数。

我没有找到关于参数y_pred和y_true形状的文档，但以下方法似乎有效：要访问单个输出（假设输出是一维的），可以在张量的最后一个轴上切片：例如，

y_pred[…，0:1]

是第一个输出，

y_pred[…，1:：2]

是每个奇数输出，

y_true[…，0:：2]

每个偶数标签等等。

计算损失，包括两个输出，作为张量，然后使用

模型将其添加到模型中。添加损失（…）

。您在

compile

方法中指定的

loss

参数分别应用于每个输出，因此在您的情况下没有任何用处。@今天谢谢您！你能给我举个例子吗？我现在还是Tensorflow的新手。：-）这可能有助于了解情况。正如您所看到的，

compile

方法中没有指定

loss

参数。显然，这取决于模型的体系结构，因此您可能需要根据需要对其进行调整。