TensorFlow 自定义多个损失函数

在 TensorFlow 中，可以通过编写自定义损失函数来实现多个损失函数的功能。下面是一个示例，展示了如何定义和使用两个不同的损失函数。

首先，定义两个损失函数：

import tensorflow as tf

def custom_loss1(y_true, y_pred):
    # 自定义损失函数1的实现
    return tf.reduce_mean(tf.square(y_true - y_pred))

def custom_loss2(y_true, y_pred):
    # 自定义损失函数2的实现
    return tf.reduce_mean(tf.abs(y_true - y_pred))

然后，在模型的编译过程中，可以将这两个损失函数分别传递给 `loss` 参数：

model.compile(optimizer='adam', loss=[custom_loss1, custom_loss2])

在训练过程中，模型将同时优化这两个损失函数，并根据它们的权重进行加权平均。

注意：自定义损失函数应该是可微分的，这样才能使用梯度下降等优化算法进行训练。