Python Keras在反向传播的多个输出的多个损耗中找到最佳损耗

我在keras中使用多输出模型来解决回归问题

例如，模型如下所示：

model = Model(inp, [out1, out2, out3])

我想计算每个输出的损失，但基于每个损失，选择一个，然后仅通过它进行反向传播，并使每隔一个权重为0。它就像一种损失，在所有损失中找到最好的损失和输出，并仅通过该输出学习

例如，out 1的损失最小，所以我的体重将是[1.0,0.0,0.0]，所以模型不会从out 2和out 3中学到任何东西

out1、out2和out3的大小相同

我对keras没什么经验，有什么办法吗

---

谢谢你的帮助

多个输出模型记录在：

---

多个输出模型记录在：

---

谢谢。我知道这一点。从技术上讲，我只想通过一个输出进行反向传播。但该输出将根据所有输出的损失来选择。无论哪一个损失最小，我都会选择输出和反向传播，尽管通过使每个其他输出分支的权重为0。所以我知道如何计算多个输出的损失，但我想找到其中的最小损失，然后相应地确定权重@Pedromarqueswave你考虑过在一批中你想要什么样的行为吗？e、 g.假设对于10个样本，输出0的损失较低，而对于其他10个样本，输出1的损失较低？您希望将哪个权重设置为0？你试图实现的目标背后的直觉是什么？接受所有损失有什么不对？谢谢。我知道这一点。从技术上讲，我只想通过一个输出进行反向传播。但该输出将根据所有输出的损失来选择。无论哪一个损失最小，我都会选择输出和反向传播，尽管通过使每个其他输出分支的权重为0。所以我知道如何计算多个输出的损失，但我想找到其中的最小损失，然后相应地确定权重@Pedromarqueswave你考虑过在一批中你想要什么样的行为吗？e、 g.假设对于10个样本，输出0的损失较低，而对于其他10个样本，输出1的损失较低？您希望将哪个权重设置为0？你试图实现的目标背后的直觉是什么？接受所有损失有什么错？