Python 如何给出keras中损失函数的条件

假设模型看起来像这样

inp = input()
feature = some_feature_layer()(inp)
out_1 = Dense(1,activation='sigmoid')(feature)
out_2 = Dense(10, activation='softmax')(feature)

我想用out_1来表示out_2的重量损失，这意味着out_2的重量损失应该是

out_2_loss = out_1 * some_loss_function(y_true, out2)

我想在模型内部写下损耗，使用损耗函数作为模型输出，然后简单地增加/减少损耗，如下所示：

model = Model(inputs=[inp], outputs=[out_1, out_2_loss])

然后问题就变成了如何将不同的损耗映射到不同的输出。在keras中可以使用这样的映射吗

loss = {out_1 : 'binary_crossentropy',
out_2_loss : linear_function}

---

这里不能像“in”那样将特殊关键字声明为python变量。 试着声明一些其他变量名，这样就行了

input_1 = input()
feature = some_feature_layer()(input_1)
out_1 = Dense(1,activation='sigmoid')(feature)
out_2 = Dense(10, activation='softmax')(feature)
out_2_loss = out_1 * some_loss_function(y_true, out2)
model = Model(inputs=[input_1], outputs=[out_1, out_2_loss])
loss = {out_1 : 'binary_crossentropy',out_2 : linear_function}

---

基本上有两种方法可以将不同的损失映射到不同的输出

方法1: 如果输出已命名，请使用dict将名称映射到相应的损失：

out1 = Dense(10, activation='softmax', name='binary_crossentropy')(x)
out2 = Dense(10, name='out2')(x)

model = Model(x, [out1, out2])
model.compile(loss={'binary_crossentropy': 'binary_crossentropy', 'out2': out_2_loss},
          optimizer='adam')

方法2: 使用损失清单

model = Model(x, [out1, out2])
model.compile(loss=['binary_crossentropy', out_2_loss], optimizer='adam')

---

我对keras一无所知，但不要在中使用

作为变量名，因为它是一个关键字。很抱歉，这个问题有误导性。我现在把它改成了inp。我只是把这个例子讲得太快了，我没有注意到。谢谢你的指点。我刚刚改变了问题。对不起，这是误导。那么，损失部分是这样正确的吗？我没有试着用字典来申报损失，这就是问题所在。