当我希望模型具有多个输出时，从发电机中的DICT映射将产生什么？

Question

我有一个使用功能 API 创建的 keras 模型，它几乎是 MobileNet V2，直到它被分成两个头，用于分类和边界框回归：

## Class prediction
x_class = keras.layers.Conv2D(NUM_CLASSES, (1, 1), padding='same')(x)
x_class = keras.layers.Activation('softmax')(x_class)
x_class = keras.layers.Reshape((NUM_CLASSES, ),  name='softmax')(x_class)

## Bounding box prediction
x_flatten = keras.layers.Flatten()(x)
x_bbox = keras.layers.Dense(128, activation='relu')(x_flatten)
x_bbox = keras.layers.Dense(64, activation='relu')(x_bbox)
x_bbox = keras.layers.Dense(32, activation='relu')(x_bbox)
x_bbox = keras.layers.Dense(4, kernel_regularizer='l2')(x_bbox)
x_bbox = keras.layers.Activation('linear', name='linear')(x_bbox)

model = keras.models.Model(inputs, [x_class, x_bbox])

losses = {'softmax': 'sparse_categorical_crossentropy',
          'linear': 'mse'}
model.compile(loss=losses, optimizer='adam', metrics=['accuracy'])

因为我有 [x_class, x_bbox] 作为输出，所以我确保训练数据生成器产生以下字典映射：

yield {'input_1': np.expand_dims(image, 0), 'softmax': np.array(label), 'linear': np.array(bbox)}

但是，我收到以下警告和错误：

UserWarning：输入字典包含与任何模型输入不匹配的键 ['softmax'，'线性']。它们将被模型忽略。
类型错误：目标数据丢失。您的模型具有 loss：{'softmax': 'sparse_categorical_crossentropy', 'linear': 'mse'}，因此期望在 fit() 中传递目标数据。

因此，“softmax”和“线性”显然不是字典映射的正确键。我还尝试了一些键，例如“output”、“output_1”和“outputs”，但它也不接受这些键。

我正在寻找的密钥的名称是什么，或者如何设置它？

编辑说明：我希望images作为输入（即“X”），标签、bboxes作为“y”。当我只有一个输出时，我能够将输入和输出作为一个生成器传递，这也是我在这里想要做的。