如何用Keras函数式API正确设置多输出神经网络的损失函数？

核心错误原因 #

你遇到的ValueError本质是训练数据的标签结构和模型输出结构不匹配：

• 模型定义了2个输出分支：y_q_layer（对应3个连续变量）、y_t_layer（对应1个分类变量），总输出结构长度为2
• 但你喂给模型的标签是4个独立变量（1分类+3连续），结构长度为4，两者无法对齐

另外代码里还有一处关键错误：分类输出层的单元数设置错误——你的分类变量有3种可能输出，但y_t_layer的units=1，这会导致softmax输出无效，也会干扰损失计算。

修复步骤 #

1. 修正分类输出层 #

把分类输出层的单元数改成3，对应3个类别：

# 原代码错误：units=1
y_t_layer = Dense(units=3, activation='softmax', name='y_t_layer')(x)

2. 调整训练数据的标签结构 #

训练时，你需要把标签整理成两个元素的列表/字典，和模型输出分支严格对应：

• 列表形式：标签为[连续变量数组, 分类标签数组]
  • 连续变量数组形状：(样本数, 3)
  • 分类标签数组形状：(样本数,)（因为用了sparse_categorical_crossentropy，无需对分类标签做one-hot编码）
• 字典形式：标签为{'y_q_layer': 连续变量数组, 'y_t_layer': 分类标签数组}

举个训练数据准备的示例：

# 假设原始标签存储在DataFrame中，col1是分类变量，col2-col4是连续变量
y_class = df['col1'].values  # 形状(样本数,)
y_continuous = df[['col2', 'col3', 'col4']].values  # 形状(样本数,3)

# 训练时传入整理好的标签
model.fit(X_train, [y_continuous, y_class], epochs=10, batch_size=32)
# 或用字典形式更清晰
model.fit(X_train, {'y_q_layer': y_continuous, 'y_t_layer': y_class}, epochs=10, batch_size=32)

3. 验证模型输出结构 #

可以打印模型结构确认输出分支的形状是否正确：

model.summary()

正常情况下，y_t_layer的输出形状应为(None, 3)，y_q_layer的输出形状应为(None, 3)。

完整修正后的代码示例 #

import tensorflow as tf
from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model

inputs = tf.keras.layers.Input(shape=(37,))

# 共享基础层
x = Dense(units=74, activation='relu')(inputs)
x = Dense(units=74, activation='relu')(x)

# 分类输出层：3个单元对应3种类别
y_t_layer = Dense(units=3, activation='softmax', name='y_t_layer')(x)

# 连续变量分支
quality_layer = Dense(units=148, name='quality_layer', activation='relu')(x)
y_q_layer = Dense(units=3, name='y_q_layer')(quality_layer)

# 定义模型
model = Model(inputs=inputs, outputs=[y_q_layer, y_t_layer])

optimizer = tf.keras.optimizers.RMSprop(learning_rate=0.0001)

model.compile(optimizer=optimizer, 
              loss={'y_t_layer': 'sparse_categorical_crossentropy', 
                    'y_q_layer': 'mse'},
              metrics={'y_t_layer': 'accuracy', 
                       'y_q_layer': tf.keras.metrics.RootMeanSquaredError()}
             )

# 假设X_train是输入特征，y_continuous、y_class是整理好的标签
# model.fit(X_train, [y_continuous, y_class], epochs=10, batch_size=32)

内容的提问来源于stack exchange，提问作者Michell Martinez