Keras 模型多输出 loss weight metrics 设置

• 小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。

keras支持模型多输入多输出，本文记录多输出时loss、loss weight和metrics的设置方式。

模型输出

假设模型具有多个输出

• classify： 二维数组，分类softmax输出，需要配置交叉熵损失
• segmentation：与输入同尺寸map，sigmoid输出，需要配置二分类损失
• others：自定义其他输出，需要自定义损失

具体配置

model

• 变量均为模型中网络层

 inputs = [input_1 , input_2]
 outputs = [classify, segmentation, others]
 model = keras.models.Model(inputs, outputs)
复制代码

loss

 my_loss = {
     'classify': 'categorical_crossentropy',\
     'segmentation':'binary_crossentropy',\
     'others':my_loss_fun}
复制代码

loss weight

 my_loss_weights = {
     'classify':1,\
     'segmentation':1,\
     'others':10}
复制代码

metrics

 my_metrics ={
     'classify':'acc',\
     'segmentation':[mean_iou,'acc'],\
     'others':['mse','acc']
     }
复制代码

编译

 model.compile(optimizer=Adam(lr=config.LEARNING_RATE), loss=my_loss, loss_weights= my_loss_weights, metrics= my_metrics)
复制代码