自定义丢失功能：对y_pred中的数据执行model.predict-Java 学习之路

我正在训练网络去噪图像，为此我使用的是CIFAR10数据集 . 我正在尝试生成自定义丢失函数，以便损失为mse / classification_accuracy . 鉴于我的网络接收32x32（噪声）图像作为输入并预测32x32（去噪）图像，我假设y_pred和Y_true将是32x32图像的数组 . 因此我的自定义丢失函数如下所示：

def custom_loss():
    def joint_optimized_loss(y_true, y_pred):
        mse =  K.mean(K.square(y_pred - y_true), axis=-1)
        preds = classif_model.predict(y_pred)
        correctPreds = 0
        totPreds = 0
        for pred in preds:
            predictedClass = pred.index(max(pred))
            totPreds += 1
            if predictedClass == currentClass: 
                correctPreds += 1
        classifAccuracy = correctPreds / totPreds
        loss = mse / classifAccuracy
        return loss
    return joint_optimized_loss
myModel.compile(optimizer='adadelta', loss=custom_loss())

classif_model是一个预先训练的模型，它将CIFAR10图像分类为10个类之一 . 它接收一组32x32图像 .

但是，当我运行我的代码时，我收到以下错误：

回溯（最近一次调用最后一次）：文件“myCode.py”，第94行，在myModel.compile中（optimizer ='adadelta'，loss = custom_loss（））文件“/ home / rvidalma / anaconda2 / envs / tensorUpdated / lib /python2.7/site-packages/keras/engine/training.py“，第850行，编译sample_weight，mask）文件”/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/ keras / engine / training.py“，第450行，加权score_array = fn（y_true，y_pred）文件”myCode.py“，第57行，在joint_optimized_loss preds = classif_model.predict（y_pred）文件”/ home / rvidalma / anaconda2 /envs/tensorUpdated/lib/python2.7/site-packages/keras/models.py“，第913行，预测返回self.model.predict（x，batch_size = batch_size，verbose = verbose）文件”/ home / rvidalma /anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py“，第1713行，预测详细=详细，步骤=步骤）文件”/ home / rvidalma / anaconda2 / envs / tensorUpdated / lib / python2.7 / site-packages / keras / engine / training.py“，第1260行，在_predict_loop bat中ches = _make_batches（num_samples，batch_size）文件“/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py”，第374行，在_make_batches中num_batches = int（np .ceil（size / float（batch_size）））AttributeError：'Dimension'对象没有属性'ceil'

我认为这与 y_true 和 y_pred 都是张量的事实有关，这些张量在训练之前是空的，因此 classif_model.predict 失败，因为它期待一个阵列 . 但是我不确定如何解决这个问题......

我尝试使用 K.get_value(y_pred) 获取 y_pred 的值，但这给了我以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：Shape [-1,32,32,3]具有负维度[[Node：input_1 = Placeholderdtype = DT_FLOAT，shape = [？，32,32,3]，_ device =“ /工作：本地主机/副本：0 /任务：0 / CPU：0" ]]

2 回答

1

我有几乎同样的问题，我试过这个，它对我有用 .

代替：

preds = classif_model.predict（y_pred）

尝试：

preds = classif_model（y_pred）

我不确定原因，但是因为当我们使用model.predict（y）时它需要batch_size并且在编译时我们没有任何，所以我们不能使用model.predict（y） . 如果这是错误的请纠正我 .

回复于 2024-05-05T22:38:36+08:00
1

您不能将精度用作损失函数，因为它不可微分 . 这就是为什么使用交叉熵等准确度的上限 .

此外，您实现准确性的方式也是非符号的，您应该只使用 keras.backend 中的函数来实现其正常工作的损失 .

回复于 2024-05-05T22:38:36+08:00

自定义丢失功能：对y_pred中的数据执行model.predict

2 回答

相关问题