训练多输出模型

在训练具有多个输出的模型时，必须确保正确地定义损失函数。

在这个例子中，模型会产生两个输出：一个是字母表的预测，另一个是字符的预测。每个输出都有对应的真实标签，这使您可以分别计算两个损失：一个来自字母表分类错误，另一个来自字符分类错误。由于这两种情况本质上都是多类别分类任务，因此每次都可以使用交叉熵损失（Cross-Entropy loss）。

然而，梯度下降一次只能优化一个损失函数。因此，您将把总体损失定义为字母表损失与字符损失之和。