KERAS回归多个输出

关于带有多个输出的KERAS回归的问题：

您能解释一下这个网络之间的区别：

两个输入 - >两个输出

输入=输入（shape =（2，），name ='bla'）

hidden =密集（隐藏，激活='tanh'，name ='bla'）（输入）

输出=密集（2，activation ='tanh'，name ='bla'）（隐藏）

和：两个单个输入 - >两个单一输出：

输入=输入（shape =（2，），name ='speed_input'）

hidden =致密（hidden_​​dim，activation ='tanh'，name ='hidden'）（输入）

输出=密集（1，activation ='tanh'，name ='bla'）（隐藏）

input_2 = input（shape =（1，），name ='Angle_input'）

hidden_​​2 = dense（hidden_​​dim，activation ='tanh'，name ='hidden'）（input_2）

output_2 =密集（1，activation ='tanh'，name ='bla'）（hidden_​​2）

模型=模型（inputs = [speed_input，angle_input]，outputs = [speed_output，angle_output]）

他们的行为非常类似。另外，当我将它们完全分开时，两只网就像他们应该的那样行事。

而且，两个单一输出网比具有两个输出的更大的单个输出网的行为更为明显，我认为差异可能不像我所经历的那样巨大。