问题描述
我正在 tf.Keras 中使用 DNN，如下所示：
# Construct the DNN model with 2 inputs,2 outputs and 3 hidden layers
c0_input = Input(shape=(1,),name="c0")
c1_input = Input(shape=(1,name="c1")
# Concatenate the input into one layer
tensor_input = Concatenate(axis=-1)([c0_input,c1_input])
hidden_1 = Dense(100)(tensor_input)
activation_1 = LeakyReLU(alpha=0.1)(hidden_1)
hidden_2 = Dense(100)(activation_1)
activation_2 = LeakyReLU(alpha=0.1)(hidden_2)
hidden_3 = Dense(100)(activation_2)
activation_3 = LeakyReLU(alpha=0.1)(hidden_3)
# 2 outputs are named as x0 and x1
x0_output = Dense(1,name="x0")(activation_3)
x1_output = Dense(1,name="x1")(activation_3)
# The model
DNN_model = Model(inputs=[c0_input,c1_input],outputs=[x0_output,x1_output])
如您所见，此 DNN 有 2 个输入 (c0,c1) 和 2 个输出 (x0,x1)。我针对的损失函数是：c0 * (x0 - x1**2)**2 + c1 * (x1 - c0 * x0)**2，它包括两个输入和两个输出。以下是我的问题：
- 如何编写一个考虑到所有
c0,c1,x0,x1的损失函数？我曾尝试在 Keras 中使用自定义损失函数，但从x0中切片和提取x1和y_pred（这应该是损失函数）。 - 如何拟合训练数据？在本例中，我们有一个用于
c0的数组训练数据，另一个用于c1。 - 如果使用 Keras 很难实现这一点，是否有任何其他更容易处理的软件包的推荐？
非常感谢您阅读并回答我的问题。我尝试过自定义减肥和减肥，但到目前为止似乎没有帮助。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）