Python 基于历元改变多输出损耗权重

是否可以基于历元更改TF2模型不同输出的权重

现在，我使用以下代码段来定义不同输出的优先级：

model.compile(optimizer=tf.keras.optimizers.Adam(),
              loss=['mean_squared_error', 'mean_squared_error', 'mean_squared_error'],
              loss_weights=[0.25, 1., 1.])

然而，我更愿意这些权重是否会根据时代而变化。例如：

loss_weights=[0.25 + 0.01*epoch, 1. - 0.005*epoch , 1. - 0.005*epoch]

---

这是否可能，如果可能的话。最好的方法是什么？

具有

\u loss\u weights\u list

属性-您可以尝试通过自定义回调来更改它，就像

tf.keras.callbacks.LearningRateScheduler

在训练过程中使用学习率进行操作

编辑：另一种方法是反复调用

model.compile（）

，然后只为一个历元调用

model.fit（）

：

for epoch_idx in range(total_epochs):
    loss_weights=[0.25 + 0.01 * epoch_idx, 1. - 0.005 * epoch_idx, 1. - 0.005 * epoch_idx]
    model.compile(..., loss_weights=loss_weights)
    model.fit(..., epochs=1, initial_epoch=epoch_idx)

---

谢谢你的回答。它看起来方向正确，但我在自定义回调中遇到以下错误：AttributeError:无法设置属性“\u loss\u weights\u list”，可能是因为它与对象的现有只读@属性冲突。请选择其他名称。您知道如何修复它吗？您是否尝试过通过

tf.keras.backend.set_value

进行设置，或者更改列表的元素而不是更改列表本身？非常感谢！编辑后的答案中的方法奏效了。但是您需要调用fit，使用

epochs=epoch\u idx+1

而不是

1

作为参数。

tf.keras.backend.set_value

方法不幸地对我不起作用，但这也可能是因为我又犯了一个错误。很高兴帮助你！事实上，TensorFlow的GitHub上的一个不错的特性请求：）“tf.keras.Model有_loss\u weights\u list属性”，这似乎不再是真的了。我认为，现在最接近的是一个属性_loss，它有一个属性_user _loss _weights，它有权重。但我不知道怎么设置这个。