我将 Kears 与 tensorflow 结合使用，我有一个具有 3 个输出的模型，我只想训练其中的 2 个。
model = Model(input=input, output=[out1,out2,out3])
model.compile(loss=[loss1, loss2, loss3], optimizer=my_optimizer)
loss1(y_true, y_pred):
return calculate_loss1(y_true, y_pred)
loss2(y_true, y_pred):
return calculate_loss2(y_true, y_pred)
loss3(y_true, y_pred):
return 0.0*K.mean(y_pred)
我试着用上面的代码来做，但我不确定它是否做了我想做的事。所以我认为它把损失加起来，它用损失来训练每个输出，同时我根本不想训练 out3。 (我需要 out3 因为它用于测试)。任何人都可以告诉我如何实现这一点，或者让我放心，代码实际上提供了我想要的东西吗？
最佳答案
你必须像这样创建 2 个不同的模型
model1 = Model(input=input, output=[out1,out2])
model2 = Model(input=input, output=[out1,out2,out3])
你编译两个但只适合第一个。他们将共享层，因此 model2，即使它没有经过训练，也会从 model1 中学习权重。但是如果 out3 中有一个层是可训练的，但不是在图的输入和 out1 和 out2 之间的流中，则该层将不会被训练，因此将保持其初始值。
这有帮助吗？ :-)
关于python - Keras 只训练特定的输出，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42785433/