谢谢， 我试试
1 Like
请问多任务学习应当如何定义Loss函数，不使用keras.model.fit 。 
这就完全要看具体场景了，多任务学习的范围还是比较大的，可以参考一下相关论文里用了什么loss。
能不能举个简单例子说明，就用最简单的模型，有两个输入，两个输出，loss函数为两个binary_cross_entropy相加，权重设置为0.7，0.3，该如何实现呢？
那就按照你说的，
loss = 0.7 * tf.keras.losses.binary_crossentropy(y_true_1, y_pred_1) + \
0.3 * tf.keras.losses.binary_crossentropy(y_true_2, y_pred_2)
是这个意思吗？
1、在自定义层这一段的概括性代码使用的是add_weight，但在线性回归的示例中使用的却是add_variable。请问这两个函数有什么区别？
2、在build里面有一个量是input_shape，请问为什么不和units一起在__init__里面一起定义呢？
这是可以的，请看我发的贴子
3.1节简单的线性模型 y_pred = a * X + b代码中，损失函数计算是loss = tf.reduce_mean(tf.square(y_pred - y))，不明白这里为什么要用tf.reduce_mean，均方误差不应该是用tf.reduce_sum吗？
- 没什么区别，应该一个是另一个的别名，新版统一起见推荐使用 add_weight
- build是在第一次使用该层的时候调用的，input_shape是第一次调用的时候输入的张量大小，在这里创建变量可以使得变量的形状自适应输入的形状。如果在__init__里面定义就没法根据第一次输入的数据形状来定义变量了。
1 Like
get_batch 的实现中，每次都取随机数，这样有些类似bagging，所以每个epoch应该也是有三成数据没用到。我的理解有问题吗？先shuffle再依次取batch会更好吗？
好的。我觉得可以文中提一下实际中一般使用的方法。
楼主好，请问
index = np.random.randint(0, self.num_train_data, batch_size)
这段代码难道不会造成产生的随机数重复出现嘛？
1 Like
您好，在运行这段代码时，程序报错：
UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xbe in position 141: invalid start byte
请问是什么问题。
随机数重复出现其实并没有什么关系，参考 TensorFlow 模型建立与训练 - #67 by snowkylin
“UnicodeDecodeError: ‘utf-8’ codec can’t decode byte”这种属于Python程序的问题，可能是你代码哪里出现了对中文的处理。你可以贴出你写的代码并具体指出是哪一行出了问题。
感谢，已经解决了。
1 Like
勘误：下载 MNIST 数据集 mnist.npz 文件，并放置于用户目录的 .keras/dataset 目录下
这里正确目录应该为’.keras/datasets’
谢谢作者的分享
1 Like
楼主好，有没有关于内存释放的资料，我在使用for batch_index in range(num_batachs) 训练的时候，内存一直增长，如果训练的多了，就会因内存问题报错
