我想知道当我有两个单独的任务且每个任务的数据[数量不相等]时如何训练神经模型。例如，考虑以下情况：Task-1。
一个数据集上的分类问题，该数据集的条目带有两个标签（0，1）。培训实例数量：20,000
Task-2。
一个数据集上的分类问题，该数据集的条目带有三个标签（0、1、2）。训练实例数量：160万
我正在尝试开发一个网络，共享网络首先尝试对（每个任务）的每个实例进行编码，然后通过2个输出层投影编码后的实例，以分别解决每个任务。具体来说，共享网络是BERT编码器（我不需要培训）。因此，我要做的就是为每个任务训练两个输出（线性）层，并通过多任务丢失功能对其进行优化。但是当每个任务的实例数量不相等时，我很难理解如何执行此操作。有任何想法吗？我想知道当我有两个单独的任务，每个任务的数据量不相等时，如何训练神经模型。例如对于请考虑以下情况：任务1。 ...
您可以使用损失函数来执行此操作，当实例的一种标签不可用时，该函数将忽略损失。