我目前正在使用在Keras中实施的U-Net（https://arxiv.org/pdf/1505.04597.pdf）来分割显微镜图像，并希望利用出版物中介绍的权重图 .
不幸的是我无法将重量图（形状[719,656,656,1]的数组]加载到Unet中 . 训练，标签和重量图数据都存储在单独的npy文件中，包含每个719个656x656大小的图像当将训练和标签数据加载到Unet中时，每次运行需要[3,656,656,1]，但我不知道如何将权重图加载到具有相同形状的模型中 .
这些是我正在使用的代码：
def get_unet(self, weights):
...
model.compile(optimizer=Adam(lr=1e-4), loss=self.weighted_pixelwise_crossentropy(weights), metrics=['accuracy'])
def weighted_pixelwise_crossentropy(self, class_weights):
class_weights = K.variable(class_weights)
def loss(y_true, y_pred):
_epsilon = tf.convert_to_tensor(epsilon, y_pred.dtype.base_dtype)
y_pred = tf.clip_by_value(y_pred, _epsilon, 1. - _epsilon)
return - tf.reduce_sum(tf.multiply(y_true * tf.log(y_pred), class_weights))
return loss
但我一直收到此错误消息：
InvalidArgumentError (see above for traceback): Incompatible shapes: [3,656,656,1] vs. [719,656,656,1]
如何将重量图数组（在将其转换为张量后）批量加载到Unet中，以便使用权重贴图？
几天来我一直在互联网上寻找线索，但到目前为止还没有找到解决这个问题的方法 . 我非常感谢任何帮助 .