多输出Keras模型损失计算的y_pred、y_true及自定义损失实现问题

Let's break down your questions one by one, since multi-output models in Keras can be a bit tricky when it comes to loss handling:

问题1：多输出Keras模型中，损失计算时的y_pred和y_true分别指代什么？ #

在Keras的多输出模型里，每个输出分支都会对应一对独立的y_true和y_pred，它们的顺序和你定义模型outputs=参数时的列表顺序完全一致。举个例子，如果你的模型输出是[y1, y2]，那么第一个损失函数会拿到对应y1的真实标签（y1_true）和y1的预测值（y1_pred），第二个损失函数则处理y2的真实标签（y2_true）和y2的预测值（y2_pred）。每个损失函数只负责自己对应的输出分支，互相独立。

问题2：你的MSE损失对应的y_pred和y_true是什么？MSE的y_true包含y1吗？ #

先明确：损失列表的顺序和模型输出列表的顺序是一一绑定的。你的模型输出是[y1, y2]，compile时的loss列表是[custom_loss, 'mse']，所以：

• custom_loss对应第一个输出y1，它的y_true是y1的真实标签，y_pred是模型输出的y1预测值；
• 'mse'对应第二个输出y2，它的y_true仅仅是y2的真实标签，y_pred是模型输出的y2预测值，和y1完全没关系。

简单说，MSE只关心自己对应的那个输出分支，不会碰另一个分支的真实值或预测值。

问题3：如何实现接收两个输出的真实值和预测值的自定义损失函数？ #

你现在写的custom_loss(y1_true, y1_pred,y2_true, y2_pred)这种形式，不能直接作为列表里的单个损失函数用（因为单个损失函数只能接收对应分支的一对y_true和y_pred）。要实现同时处理两个分支的损失，你需要定义一个全局损失函数，把所有输出的真实值和预测值作为整体传入，步骤如下：

1. 调整自定义损失函数的参数结构：Keras会把所有真实标签打包成一个列表（或张量）传给y_true，把所有预测值打包成一个列表传给y_pred，所以你的函数要先拆分这两个参数：

import tensorflow as tf

def custom_total_loss(y_true, y_pred):
    # 拆分真实标签和预测值
    y1_true, y2_true = y_true
    y1_pred, y2_pred = y_pred
    
    # 在这里实现你的自定义逻辑，比如计算两个分支的损失然后组合
    loss1 = tf.reduce_mean(tf.abs(y1_true - y1_pred))  # 替换成你自己的损失逻辑
    loss2 = tf.keras.losses.mean_squared_error(y2_true, y2_pred)
    
    # 总损失可以是两者的加权和或者直接相加，根据需求调整权重
    return loss1 + 0.5 * loss2

2. 修改模型的compile方式：不再用损失列表，而是直接传入这个全局损失函数：

model = Model(inputs=x1, outputs=[y1,y2])
model.compile(optimizer='sgd', loss=custom_total_loss)

3. 训练时的输入注意：喂数据的时候，真实标签也要以列表形式传入，比如：

model.fit(x_train, [y1_train, y2_train], epochs=10, batch_size=32)

这样你的自定义损失函数就能同时拿到两个分支的真实值和预测值，自由组合计算总损失了。

内容的提问来源于stack exchange，提问作者Eka