Для обучения Генеративных Состязательных Сетей я использую функцию Perceptual_Loss.Perceptual_Loss - это функция, используемая для определения, похожи ли два изображения друг на друга после того, как распознает особенности изображений.Как уже упоминалось здесь , мы можем использовать классификатор изображений и автоматический кодер для распознавания функций.Большинство разработчиков использовали VGG16 в качестве классификатора изображения для вычисления Perceptual_Loss.Я хочу использовать предварительно обученный автоэнкодер (обученный самостоятельно) для этого.Используя предварительно обученные веса автоэнкодера, я изменил следующую оригинальную функцию Perceptual_Loss как
#### Original Perceptual Loss Function ####
from keras.applications.vgg16 import VGG16
def perceptual_loss(y_true, y_pred):
vgg = VGG16(include_top=False, weights='imagenet', input_shape=(256,256,3))
loss_model = Model(inputs=vgg.input, outputs=vgg.get_layer('block3_conv3').output)
loss_model.trainable = False
return K.mean(K.square(loss_model(y_true) - loss_model(y_pred)))
#### My Perceptual Loss Function ####
trained_autoencoder=load_model('Path/AutoEncoder_Model.h5')
trained_autoencoder.compile(loss='mean_squared_error', optimizer='adadelta')
def perceptual_loss(y_true, y_pred):
return K.mean(K.square(trained_autoencoder.predict(y_true) - trained_autoencoder.predict(y_pred)))
Но это дает мне эту ошибку
**When feeding symbolic tensors to a model, we expect thetensors to have a static batch size. Got tensor with shape: (None, None, None, None)**