具有两个输出的 Keras MSE 损失答案

【问题标题】：Keras MSE Loss with Two Outputs具有两个输出的 Keras MSE 损失
【发布时间】：2021-02-02 14:59:49
【问题描述】：

我有一个模型，它的输出层是Dense(2)，所以我的输出是一个包含 2 个浮点数的列表。

我在Keras documentation上找到了一个类似的例子

>>> y_true = [[0., 1.], [0., 0.]]
>>> y_pred = [[1., 1.], [1., 0.]]
>>> # Using 'auto'/'sum_over_batch_size' reduction type.  
>>> mse = tf.keras.losses.MeanSquaredError()
>>> mse(y_true, y_pred).numpy()
0.5

根据示例的输出，我认为它会像这样计算 MSE

first_MSE = mse(y_true[0], y_pred[0])
second_MSE = mse(y_true[1], y_pred[1])
mse = (first_MSE + second_MSE) / 2

按照上面的例子，我得到 0.5。幕后真的是这样吗？

【问题讨论】：

拥有Dense(2) 并不意味着你有两个输出。您有一个形状为 (2,) 的输出
@Frightera 你说得对，我改了。

标签： python keras

【解决方案1】：

是的，MeanSquaredError 首先计算为最后一个轴的平均值，然后是批次的平均值。

这里计算平方差的最后一个轴的平均值： https://github.com/tensorflow/tensorflow/blob/7ec285825c713af9bc741b8b65d09dd160ec8806/tensorflow/python/keras/losses.py#L1213

MeanSquaredError 类使用默认减少，这意味着批次损失，这里： https://github.com/tensorflow/tensorflow/blob/7ec285825c713af9bc741b8b65d09dd160ec8806/tensorflow/python/keras/utils/losses_utils.py#L264

【讨论】：