TensorFlow v2多输出模型自定义训练中compiled_loss正则化损失参数使用疑问

安全阿岳

2026-4-27

关于compiled_loss与正则化损失的疑问解答

嘿，很高兴看到你已经根据建议调整了模型结构，关于你问的compiled_loss是否需要手动传入regularization_losses参数的问题，答案很明确：你完全不需要手动设置这个参数，compiled_loss会自动计算并包含模型中所有层的正则化损失。

具体原因如下：

当你在模型的各个可训练层（比如conv1、action_fc等）上设置kernel_regularizer=tf.keras.regularizers.L2(...)时，这些正则化规则会和层绑定。在训练模式下（也就是你代码里的self.model(x, training=True)），每个层会自动计算对应的正则化损失，并将其添加到模型的losses属性中。
model.compiled_loss方法的默认行为就是：先计算你在model.compile()中定义的主损失（你的动作损失和MSE损失），然后自动收集模型losses属性里的所有正则化损失，将两者相加得到最终的总损失，用于后续的梯度计算。

结合你的代码验证

你可以在自定义train方法里加一行代码，验证正则化损失是否被自动收集：

@tf.function
def train(self, x, y):
    with tf.GradientTape() as tape:
        predictions = self.model(x, training=True) # Forward pass
        # 打印模型当前的正则化损失列表
        print("正则化损失项：", self.model.losses)
        loss = self.model.compiled_loss(y, predictions)
    gradients = tape.gradient(loss, self.model.trainable_variables)
    self.model.optimizer.apply_gradients( zip(gradients, self.model.trainable_variables))
    result = {"loss": loss}
    return result

运行训练时，你会看到self.model.losses里包含了所有层的L2正则化损失值，而compiled_loss返回的loss已经是主损失加上这些正则化损失的总和。