目标约束回归

这是我的单输入两输出模型，输入：5维 输出----fc_a：3维（要求：3个维度输出之和为1）、fc_b：2维 . 。。。 x = tf.keras.layers.Dense(64)(inputs) x = tf.keras.layers.Dense(64)(x) fc_a=tf.keras.layers.Dense(name='fc_a',units=3,activation=tf.nn.softmax)(x) fc_b=tf.keras.layers.Dense(name='fc_b',units=2)(x) model = tf.keras.Model(inputs=inputs, outputs=[fc_a, fc_b]) model.compile(optimizer='Adam', loss='mean_squared_error',metrics=['mse']) history=model.fit(X_train,[y1_train,y2_train],epochs=300,batch_size=10) 。。。 预测效果不好，请问，如何进行约束呢？自定义loss 或者激励函数？查了半天，keras的loss都是定义在y_pred 与y_true上的 - saaad   2020-01-20 16:43