Keras 如何计算具有相同损失函数的多个输出之间的损失？它是总结还是平均？答案

【问题标题】：How does Keras compute the loss among multiple outputs with the same loss function? Does it sum them up or make an average?Keras 如何计算具有相同损失函数的多个输出之间的损失？它是总结还是平均？
【发布时间】：2019-12-04 11:38:30
【问题描述】：

我在 R 中使用 Keras，其文档指定：

如果模型有多个输出，您可以通过传递字典或损失列表对每个输出使用不同的损失。模型将最小化的损失值将是所有单个损失的总和。

如果我有多个输出但应用了相同的损失函数，Keras 仍然会对它们求和，还是会进行其他转换，例如平均？

【问题讨论】：

标签： r keras

【解决方案1】：

它始终是各个损失项的总和，但它是一个加权和，并且每个损失都有一个权重，因此您可以通过设置正确的权重来实现平均。

需要加权，因为每个任务（输出）可能对正在优化的最终损失具有不同的范围和重要性。

【讨论】：

谢谢大家的回答，默认权重是多少？因为我没有在我的模型中指定权重
@N.M.每个损失默认为 1.0。

【解决方案2】：

按照@Matias Valdenegro 的回答，您可以在 Keras model.compile(loss_weights={'output_name': loss_weight}) 中为每个损失项配置 loss_weight

例如：你有你的损失函数：L = λ1*L1 + λ2*L2 + λ3*L3
然后在 keras 中配置：
model.compile(loss_weights={'output1_name': λ1, 'output2_name': λ2,'output2_name': λ3})

【讨论】：