比方说，这是一个具有两个输出的模型。

import tensorflow as tf
import numpy as np 

x = tf.keras.Input(shape=(35,7),dtype=tf.float32)     # (None,35,7)
net = tf.keras.layers.Dense(11,activation='relu')(x)   # (None,11)
net = tf.reduce_max(net,axis=1,name='maxpool')        # (None,11)

a = tf.keras.layers.Dense(13,activation='relu')(net)   # (None,11)
b = tf.keras.layers.Dense(17,11)
model = tf.keras.Model(inputs=x,outputs=[a,b])

当我执行model.compile(loss=loss_fn,optimizer='sgd')时：
model.fit(x=train,y=(label1,label2))为每对输出和标签（即loss_fn和loss_fn(a,l1)）运行loss_fn(b,l1)

当我执行model.compile(loss=[loss_fn1,loss_fn2],label2))为loss_fn1运行a，为loss_fn2运行b（即{ {1}}和loss_fn1(a,l1)）。

因此，基本上，它似乎可以单独处理输出（与给定的对应标签配对）。

如果我必须定义一个损失函数，该函数应该一起处理/考虑两个输出，并将该函数与loss_fn2(b,l1)一起使用？

（我想到的一件事是将输出连接到一个张量中，并用损失函数将它们分开。但是，我不想去那里，因为两个输出的形状可能不一致。 ，例如，类似...）

model.fit