目前，我从我的模型中输出了这个：
egen = keras.models.Model(egen_input, [classes,x])
其中x 有[None, 32, 32, 3] 和classes 有[None, 2] 作为它们的维度。如何在自定义损失函数中仅引用部分输出？
例如，
def customLoss():
def loss(y_true, y_pred):
return keras.losses.binary_crossentropy(y_true, y_pred[0])
return loss
目前上面的损失函数在不匹配的维度上返回错误，但如果我只使用y_pred，它不会返回错误......这里很困惑
谢谢！
【问题讨论】：
标签： python machine-learning keras loss-function
如果你只想使用classes，也就是第一个输出来计算loss，那么你可以在编译的时候设置loss_weights选项（https://keras.io/models/model/）。
model.compile(...., loss_weights=[1.0, 0.0])
另请注意，损失是针对每个输出单独计算的，然后对输出进行平均（默认具有相同的权重）以获得单个损失度量。所以y_pred[0]不代表classes，而是classes和x的第一个元素。
编辑。
如果它是类和 x 的第一个元素，那么 y_pred[0] 的形状是什么？这里有点混乱
两者都有！ Keras 分别计算 classes 和 x 的损失，然后取（加权）平均值。因此，如果损失函数在问题中定义为return keras.losses.binary_crossentropy(y_true, y_pred[0])，keras 会尝试使用classes_true 与class_pred[0] 以及x_true 与x_pred[0] 来计算损失，这会引发形状不匹配错误。
【讨论】：