我正在研究递归自动编码器。神经网络采用两个 2D 图像，每个图像的形状为 (28,28,1)，并组合以创建 (28,28,2) 的输入。它们被编码为 (28,28,1) 形状，并被解码回原始形状 (28,28,2)。因此，可以将编码形式的数据送入自动编码器进行递归操作。
我们可以假设通道 1 是新图像，通道 2 是之前编码的数据。如何创建一个损失函数，对重建通道 2 的错误进行更严重的惩罚（因为这将携带以前编码的数据）？
我在 Keras 工作，使用 Tensorflow 后端。
或者，有没有办法将网络训练为一棵完整的树，而不是只针对单个两个输入 - 一次两个输出块？
【问题讨论】：
标签： python recursion tensorflow keras autoencoder
您可以将解码后的 (28, 28, 2) 分成 2 张图像作为输出，并使用 loss_weights 分配重要性权重。来自documentation：
model.compile(optimizer='rmsprop', loss='binary_crossentropy',
loss_weights=[1., 0.2])
是的，Keras 中的所有模型都类似于层，因此您可以将它们链接在一起以构建一棵树。然后您可以一次性训练网络并决定是否要共享权重等。但是，训练可能会更加困难。我建议使用函数式 API 来创建这些更复杂的结构，以便您拥有更多控制权。
【讨论】：
loss_weights 需要多个输出“张量”，事实并非如此。该问题使用多个“渠道”。
fit 方法中使用class_weight。