如何在model.compile里的loss='categorical_crossentropy'的基础上利用loss_weights加上源域为Xs，目标域为Xt的MMD损失

可以使用 `loss_weights` 参数在 `categorical_crossentropy` 损失函数的基础上加上源域和目标域的 MMD 损失。

首先，需要编写一个函数用来计算 MMD 损失。下面是一个简单的示例：

import keras.backend as K

def mmd_loss(Xs, Xt):
    mean_s = K.mean(Xs, axis=0)
    mean_t = K.mean(Xt, axis=0)
    return K.sum(K.square(mean_s - mean_t))

这里的 `mmd_loss` 函数接受源域 `Xs` 和目标域 `Xt` 作为输入，并返回它们的 MMD 损失。这个函数可以根据具体的问题进行修改。

接下来，在调用 `model.compile` 时，可以通过 `loss_weights` 参数来指定源域和目标域的权重。例如，如果你想让源域和目标域的权重分别为 1 和 0.5，并且要使用 `categorical_crossentropy` 损失函数和上面定义的 `mmd_loss` 损失函数，可以这样写：

model.compile(optimizer='adam',
              loss=['categorical_crossentropy', mmd_loss],
              loss_weights=[1.0, 0.5])

这个例子中，我们将 `categorical_crossentropy` 损失函数和 `mmd_loss` 损失函数传递给了 `loss` 参数，同时通过 `loss_weights` 参数指定了它们的权重。在这个例子中，我们指定了源域的权重为 1，目标域的权重为 0.5。