我正在尝试构建一个网络，该网络分别输出深度图和语义分割数据。

为了训练网络，我想对分割分支使用分类交叉熵损失函数，而对输出深度图的分支使用均方误差损失函数。

我在Keras的函数式API文档中找不到如何为每个分支实现两种损失函数的信息。

我能在训练过程中同时使用这些损失函数吗，还是应该分别训练不同的分支？

回答：

从Model.compile的文档中：

loss: 字符串（目标函数名称）或目标函数。参见损失函数。如果模型有多个输出，可以通过传递字典或损失列表在每个输出上使用不同的损失。模型将最小化的损失值将是所有个体损失的总和。

如果你的输出是有命名的，你可以使用一个字典，将名称映射到相应的损失函数：

x = Input((10,))out1 = Dense(10, activation='softmax', name='segmentation')(x)out2 = Dense(10, name='depth')(x)model = Model(x, [out1, out2])model.compile(loss={'segmentation': 'categorical_crossentropy', 'depth': 'mse'},              optimizer='adam')

否则，使用损失函数列表（与相应的模型输出顺序相同）。

x = Input((10,))out1 = Dense(10, activation='softmax')(x)out2 = Dense(10)(x)model = Model(x, [out1, out2])model.compile(loss=['categorical_crossentropy', 'mse'], optimizer='adam')