目前，我的模型有以下输出：

egen = keras.models.Model(egen_input, [classes,x])

其中x的维度为[None, 32, 32, 3]，而classes的维度为[None, 2]。如何在自定义损失函数中仅引用输出的一部分？

例如，

def customLoss():  def loss(y_true, y_pred):     return keras.losses.binary_crossentropy(y_true, y_pred[0])return loss

当前上述损失函数返回了我关于维度不匹配的错误，但如果我只使用y_pred，则不会返回错误…对此我感到非常困惑

谢谢！

回答：

如果您只想使用classes（即第一个输出）来计算损失，您可以在编译时设置loss_weights选项（https://keras.io/models/model/）。

model.compile(...., loss_weights=[1.0, 0.0]) 

还要注意，损失是分别为每个输出计算的，然后在输出之间平均（默认情况下权重相等）以获得单一损失指标。因此，y_pred[0]并不表示classes，而是classes和x的第一个元素。

编辑。

如果它是classes和x的第一个元素，那么y_pred[0]的形状会是什么？这里有点困惑

两者都是！Keras分别为classes和x计算损失，然后取（加权）平均。因此，如果损失函数定义为return keras.losses.binary_crossentropy(y_true, y_pred[0])，如问题中所示，Keras会尝试使用classes_true与class_pred[0]以及x_true与x_pred[0]计算损失，这会引发形状不匹配错误。