マルチ出力モデルの学習

複数の出力を持つモデルを学習するときは、損失関数を正しく定義することが重要です。

この例では、モデルはアルファベットと文字の2つの予測を出力します。各出力には対応する正解ラベルがあり、それぞれについて別々の損失を計算できます。1つはアルファベットの誤分類に対する損失、もう1つは文字の誤分類に対する損失です。どちらもマルチクラス分類タスクに該当するため、各回でCross-Entropy損失を適用できます。

ただし、勾配降下法で最適化できるのは1つの損失関数のみです。そのため、総損失はアルファベット損失と文字損失の合計として定義します。