我将如何创建具有不同数量目标/输出的 keras 模型？答案

【问题标题】：How would I go about creating a keras model with a varying number of targets/outputs?我将如何创建具有不同数量目标/输出的 keras 模型？
【发布时间】：2020-05-27 19:56:12
【问题描述】：

我已经使用 Keras 和一个目标建立了一个神经网络回归模型。这工作正常，现在我想包括多个目标。数据集一共包含 30 个目标，我宁愿训练一个神经网络，而不是 30 个不同的。

我的问题是，在数据的预处理中，对于给定的示例，我必须删除一些目标值，因为它们代表不可预测的非物理值。这造成了我有不同数量的目标/输出的问题。例如：目标 =

无，0.007798，0.012522
0.261140, 2110.000000, 2440.000000
0.048799，无，无

对于给定的输入，我将如何创建一个具有不同数量输出的 keras.Sequential 模型（或函数）？

编辑：我是否可以先训练一个分类模型，在给定一些测试输入的情况下预测输出数量，然后根据该预测改变输出层中的输出数量？我想我必须使用函数式 API 来完成类似的事情。
这里的“分类”编辑是不必要的，即忽略它。测试目标的输出数量是一个已知量。

【问题讨论】：

标签： python tensorflow keras neural-network

【解决方案1】：

（对不起，我没有足够的声誉来发表评论）首先，您是否预先知道某些输出值是否无效，或者是预测哪些输出实际有效的问题的一部分？

如果您事先不知道要忽略哪些输出，则可以采用您在评论中描述的两步法。

如果它是确定性的（并且你知道如何），那么哪些输出对于任何给定的输入都是有效的，而你的问题是如何建立一个合适的模型，那么我将在 keras 中这样做：

使用函数式 API
创建 30 个命名输出层（例如 out_0、out_1、... out_29）
- 创建模型时，只需使用输出参数列出所有 30 个输出
编译模型时，为每个单独的输出指定损失，您可以通过将字典传递给损失参数来做到这一点，其中键是输出层的名称，值是相应的损失
- 假设您将对所有输出使用均方误差，字典将类似于 {'out_0': 'mse', 'out_1': 'mse', ..., 'out_29': 'mse' }
将输入传递给模型时，每个输入传递三个内容：x、y、损失权重
- y 必须是字典，其中键是输出层名称，值是目标输出值
- 损失权重也是与 y 格式相同的字典。在您的情况下，权重可以是二进制的，对于任何给定的样本，每个输出对应于一个真实值，每个输出对应于非物理值（因此它们在训练期间被忽略）为 0
- 不要为非物理值目标传递“无”，使用某种数字填充符，否则会出现问题。填充物使用什么完全无关紧要，因为它不会影响训练期间的梯度

这将为您提供可训练的模型。但是，一旦您从训练继续并尝试对新数据进行预测，您将不得不决定对每个样本忽略哪些输出，网络可能仍会为您提供这些输入的“有效”输出。

【讨论】：

感谢您的详尽回答。是的，我意识到我确实事先知道。很抱歉我对分类进行了编辑，结果发现它不相关。我将逐步尝试您的解决方案，然后将结果回复给您。非常感谢！

【解决方案2】：

一种可能的解决方案是单独输出“有效性标志”，其取值范围为 0 到 1。例如，您的第一个目标是

y=[0.0, 0.007798, 0.012522]
yf=[0.0, 1.0, 1.0]

其中零表示无效值。对yf 使用 sigmoid 激活函数。损失函数可以是y 和yf 的损失之和。在推理过程中，分析yf 的网络输出，仅当对应的yf 超过0.5 个阈值时才认为y 值有效

【讨论】：