CoreML可更新模型支持多损失函数吗？如何实现？

目前CoreML的可更新模型不支持同时指定多个独立的损失层，这就是你遇到编译错误的原因。

解决方法是将多个二分类的损失合并为单一损失函数，具体操作如下：

• 合并损失逻辑：针对8个二分类输出，每个输出单独计算二元交叉熵损失，再将这些损失值求和（或加权求和）得到一个总损失，把这个总损失作为模型唯一的损失层。
• 实现步骤：
  1. 在原框架（如TensorFlow/PyTorch）构建模型时，手动加入损失合并代码：对每个二分类输出计算二元交叉熵，再将所有结果汇总为总损失。
  2. 将包含该总损失计算的模型转换为CoreML格式，并配置模型为可更新状态。
  3. 在CoreML模型配置中，仅指定这个合并后的损失层即可。

以TensorFlow为例的代码片段：

import tensorflow as tf

# 假设模型输出为8个二分类结果，labels为对应标签
outputs = [output_1, output_2, ..., output_8]
labels = [label_1, label_2, ..., label_8]

# 计算每个输出的二元交叉熵损失
individual_losses = [tf.keras.losses.BinaryCrossentropy()(labels[i], outputs[i]) for i in range(8)]
# 合并为总损失（可根据需求添加权重）
total_loss = tf.reduce_sum(individual_losses)

# 将总损失整合进模型后，再转换为CoreML可更新模型

这样转换后的CoreML模型仅包含一个损失层，既符合CoreML的要求，也能实现对8个二分类输出的训练优化。

内容的提问来源于stack exchange，提问作者sthuettr