Keras pérdida de peso

He modelado con dos capas de salida, capas de predicción de edad y género. Quiero asignar diferentes valores de peso para la pérdida de cada capa de salida. Tengo la siguiente línea de código para hacerlo.

model.compile(loss=[losses.mean_squared_error,losses.categorical_crossentropy], optimizer='sgd',loss_weights=[1,10]) 

Mi pregunta es ¿cuál es el efecto de las ponderaciones de pérdida en el rendimiento de un modelo? ¿Cómo puedo configurar las ponderaciones de pérdida para que el modelo pueda desempeñarse mejor en la predicción de la edad?

Como se indica en el libro Deep Learning with Python de François Chollet:

La pérdida de error cuadrático medio (MSE) utilizada para la tarea de regresión por edad generalmente toma un valor de alrededor de 3 a 5, mientras que la pérdida de crossentropy usada para la tarea de clasificación de género puede ser tan baja como 0.1. En tal situación, para equilibrar la contribución de las diferentes pérdidas, puede asignar un peso de 10 a la pérdida de crossentropy y un peso de 0,25 a la pérdida de MSE.