我试图在使用Tensorflow后端的Keras框架内实现一些损失功能，但到目前为止还没有成功（尽管我相信我越来越近了） . 所讨论的损失函数是YOLO算法的损失函数 . 这个函数的问题在于它是$ L_2 $范数，但是根据$ y_true $的值加权一些系数 . 因此，为了 Build 我的损失函数，我必须研究$ y_true $， which Tensorflow seems not to allow 的 Value ......无论如何，到目前为止，我已经提出了这个诀窍：
def defineMarkUp(y_true):
num_example = y_true.shape[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.shape)
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(y_true[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
def yoloLoss(markups):
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
s = 5 + class_nbr
def loss(y_true, y_pred):
mask = np.zeros((1, grid_h, grid_w, box_nbr * s))
mask = mask.astype(np.float32)
for k in range(box_nbr):
mask[:, :, :, k * s + 2 : k * s + 4] = 1.0
dim_y_true = tf.sqrt(tf.multiply(y_true, mask))
dim_y_pred = tf.sqrt(tf.multiply(y_pred, mask))
other_y_true = tf.multiply(y_true, 1 - mask)
other_y_pred = tf.multiply(y_pred, 1 - mask)
new_y_true = other_y_true + dim_y_true
new_y_pred = other_y_pred + dim_y_pred
return tf.reduce_mean(tf.square(tf.multiply(tf.cast(markups, tf.float32), (new_y_true - new_y_pred))))
return loss
一点点解释：这里，函数defineMarkUp查看 the all labels as np.array 并创建一些掩码（根据位置等包含不同的权重等），然后我调用类似的东西：
model.compile(loss = [yoloLoss(Y_train)], optimizer = 'adadelta')
问题是，当使用 batch 时，由于所有数据集与我们的批处理都没有相同的维度，因此在给定 $y_true$ as a tensor 时，掩码不会立即执行't fit anymore, meaning I need to build '标记 . 所以我尝试过这样的事情：
def defineMarkUp(y_true):
num_example = y_true.get_shape().as_list()[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.get_shape().as_list())
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(y_true[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
def yoloLossFinal(y_true, y_pred):
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
s = 5 + class_nbr
coord_c, noobj_c = config.COORD_C, config.NOOBJ_C
markups = defineMarkUp(y_true)
mask = np.zeros((1, grid_h, grid_w, box_nbr * s))
mask = mask.astype(np.float32)
for k in range(box_nbr):
mask[:, :, :, k * s + 2 : k * s + 4] = 1.0
dim_y_true = tf.sqrt(tf.multiply(y_true, mask))
dim_y_pred = tf.sqrt(tf.multiply(y_pred, mask))
other_y_true = tf.multiply(y_true, 1 - mask)
other_y_pred = tf.multiply(y_pred, 1 - mask)
new_y_true = other_y_true + dim_y_true
new_y_pred = other_y_pred + dim_y_pred
return tf.reduce_mean(tf.square(tf.multiply(tf.cast(markups, tf.float32), (new_y_true - new_y_pred))))
但现在我收到了这个错误：
回溯（最近一次调用最后一次）：文件“network.py”，第214行，在yolo.compile中（loss = yoloLossFinal，optimizer ='adadelta'）文件“/anaconda3/lib/python3.6/site-packages/keras /engine/training.py“，第830行，在编译sample_weight，mask中）文件”/anaconda3/lib/python3.6/site-packages/keras/engine/training.py“，第429行，加权score_array = fn（ y_true，y_pred）文件“network.py”，第192行，yoloLossFinal标记= defineMarkUp（y_true）文件“network.py”，第143行，在defineMarkUp中掩码= np.zeros（y_true.get_shape（） . as_list（）） TypeError：'NoneType'对象不能解释为整数
因此，我尝试了其他的东西：
def defineMarkUp(y_true):
sess = tf.Session()
with sess.as_default():
yy = y_true.eval()
num_example = yy.shape[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.shape)
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(yy[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
但现在我收到这个非常长的错误消息：
回溯（最近一次调用最后一次）：文件“/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”，第1322行，在_do_call中返回fn（* args）文件“/ anaconda3 /lib/python3.6/site-packages/tensorflow/python/client/session.py“，第1307行，在_run_fn选项中，feed_dict，fetch_list，target_list，run_metadata）文件”/anaconda3/lib/python3.6/site- packages / tensorflow / python / client / session.py“，第1409行，在_call_tf_sessionrun run_metadata中）tensorflow.python.framework.errors_impl.InvalidArgumentError：你必须为占位符张量'conv2d_4_target'提供一个dtype float和shape [？，？ ，？，？] [[节点：conv2d_4_target = Placeholderdtype = DT_FLOAT，shape = [？，？，？，？]，_ device =“/ job：localhost / replica：0 / task：0 / device：CPU：0”] ]在处理上述异常期间，发生了另一个异常：Traceback（最近一次调用最后一次）：文件“network.py”，第218行，在yolo.compile中（loss = yoloLossFinal，optimizer ='adadelta'）文件“/ anaconda3 / LIB / python3.6 /站点包/ keras /发动机/ TRAI ning.py“，第830行，在编译sample_weight，mask中）文件”/anaconda3/lib/python3.6/site-packages/keras/engine/training.py“，第429行，加权score_array = fn（y_true，y_pred ）文件“network.py”，第196行，yoloLossFinal标记= defineMarkUp（y_true）文件“network.py”，第137行，在defineMarkUp中yy = y_true.eval（）文件“/anaconda3/lib/python3.6/site -packages / tensorflow / python / framework / ops.py“，第710行，在eval返回_eval_using_default_session（self，feed_dict，self.graph，session）文件”/anaconda3/lib/python3.6/site-packages/tensorflow/python /framework/ops.py“，第5180行，在_eval_using_default_session中返回session.run（tensors，feed_dict）文件”/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py“，第900行，在运行run_metadata_ptr）文件“/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”，第1135行，在_run feed_dict_tensor，options，run_metadata）文件“/ anaconda3 / lib / python3 0.6 /站点包/ tensorflow /蟒蛇/客户/ session.py”第1316行，在_do_run run_metadata中）文件“/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”，第1335行，在_do_call引发类型（e）（node_def，op，message） tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须为占位符张量'conv2d_4_target'提供一个值，其中dtype为float和shape [？，？，？，？] [[Node：conv2d_4_target = Placeholderdtype = DT_FLOAT，shape = [？， ？，？，？]，_ device =“/ job：localhost / replica：0 / task：0 / device：CPU：0”]]由op'conv2d_4_target'引起，定义于：文件“network.py”，第218行，在yolo.compile（loss = yoloLossFinal，optimizer ='adadelta'）文件“/anaconda3/lib/python3.6/site-packages/keras/engine/training.py”，第725行，编译dtype = K.dtype （self.outputs [i]））文件“/anaconda3 /lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，第508行，占位符x = tf.placeholder（dtype，shape = shape，name = name）文件“/ anaconda3 / lib /python3.6/site-packages/tensorflow/python/ops/array_ops.py“，第1808行，在占位符中返回gen_array_ops.placeholder（dtype = dtype，shape = shape，name = name）文件”/ anaconda3 / lib / python3 .6 / site-packages / tensorflow / python / ops / gen_array_ops.py“，第4848行，占位符”占位符“，dtype = dtype，shape = shape，name = name）文件”/anaconda3/lib/python3.6/ site-packages / tensorflow / python / framework / op_def_library.py“，第787行，在_apply_op_helper中op_def = op_def）文件”/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py“，第3392行，在create_op中op_def = op_def）文件“/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，第1718行，在init self._traceback = self._graph.extract_stack（ ）#pylint：disable = protected-access InvalidArgumentError（参见上面的回溯）：你必须提供一个占位符张量'conv2d_4_target'的值与dtype float和shape [？，？，？，？] [[节点：conv2d_4_target = Placeholderdtype = DT_FLOAT，shape = [？，？，？，？]， device =“/ job：localhost /复制：0 /任务：0 /装置：CPU：0" ]
]
我错了:( . 到目前为止，我还有一个更普遍的问题，其中可能与我的问题有关： how to really implement a loss function in Tensorflow, meaning : what are we allowed to do and what are we not allowed to do ？
非常感谢！