Mit*_*iku 4 python machine-learning keras tensorflow
我有两个输出层的模型，年龄和性别预测层。我想为每个输出层的损失分配不同的权重值。我有以下代码行来做到这一点。
model.compile(loss=[losses.mean_squared_error,losses.categorical_crossentropy], optimizer='sgd',loss_weights=[1,10])
我的问题是损失权重对模型性能的影响是什么？如何配置损失权重，以便模型在年龄预测方面表现更好？
正如François Chollet在Deep Learning with Python一书中所述：
用于年龄回归任务的均方误差 (MSE) 损失值通常约为 3-5，而用于性别分类任务的交叉熵损失值可以低至 0.1。在这种情况下，为了平衡不同损失的贡献，您可以为交叉熵损失分配 10 的权重，为 MSE 损失分配 0.25 的权重。