Keras中Model两种多输出定义写法：[output1,output2]与[output1]+output2有何区别？

核心差异取决于output2的类型，分两种情况说明：

情况1：output2是单个张量 #

• Model(inputs=[input], outputs=[output1, output2])：合法写法，模型最终输出是包含两个独立张量的列表[output1, output2]
• Model(inputs=[input], outputs=[output1]+output2)：会触发Python类型错误，因为列表只能和列表/元组合并，无法直接与单个张量拼接

情况2：output2是张量的可迭代集合（列表/元组） #

• Model(inputs=[input], outputs=[output1, output2])：非法写法，会导致输出为嵌套结构[output1, [output2_1, output2_2, ...]]，而Keras要求outputs必须是扁平的张量列表，不能嵌套，因此会报错
• Model(inputs=[input], outputs=[output1]+output2)：合法写法，+操作会将[output1]和output2合并成一个扁平的张量列表[output1, output2_1, output2_2, ...]，符合Keras对输出格式的要求

结合你提到的机器翻译注意力模型代码，最后一行的output2应该是包含多个张量的集合（比如注意力权重相关输出），所以用[output1]+output2是为了把所有输出张量扁平合并，让模型拥有多个独立的输出节点。

内容的提问来源于stack exchange，提问作者Vishal Singh