Индивидуальная функция потери керас с использованием min_g (g, g *) - PullRequest
Новая
       16

Индивидуальная функция потери керас с использованием min_g (g, g *)

0 голосов
/ 05 февраля 2020

Я имею дело с проблемой регрессии, когда для данного изображения я хочу предсказать значение 3 параметров (декартовых координат). Для одного изображения у меня может быть несколько приемлемых координат. Для этого я использую нейронную сеть с использованием керас. Чтобы обучить свою сеть, я хочу реализовать пользовательскую функцию потерь, которая будет вычислять евклидово расстояние между прогнозом и ближайшим приемлемым значением. В математическом выражении это можно выразить так:

my_stuff

Форма ypred равна size, а форма моей цели size равна ysize.

Чтобы рассчитать эту потерю, я сначала изменяю ypred, чтобы иметь правильную форму. Затем я выполняю расчет потерь (используя тензор потока 1.13): 

import tensorflow as tf
import tensorflow.keras.backend as K
config = tf.ConfigProto()
config.gpu_options.allow_growth = True

K.set_session(tf.Session(config=config))

from tensorflow.python.keras.applications import ResNet50
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense, Dropout

import numpy as np


def min_mse(y_pred, y_true):
    y_pred_temp = K.repeat(y_pred, K.shape(y_true)[1])
    return K.min(K.sum(K.sqrt(y_pred_temp-y_true), axis=-1), axis=-1)


def resnet_model():
    model = Sequential()
    model.add(ResNet50(include_top=False, pooling='avg', weights='imagenet'))
    model.add(Dense(1024, activation='relu'))
    model.add(Dropout(rate=0.2))
    model.add(Dense(512, activation='relu'))
    model.add(Dropout(rate=0.2))
    model.add(Dense(3, activation='linear'))
    model.layers[0].trainable = False
    model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.001), loss=min_mse)
    return model

X = np.random.random((200, 224, 224, 3))
Y = np.random.random((200, 10, 3))

model = resnet_model()
model.fit(X, Y)

Однако этот код выдает ошибку

tenorflow. python .framework.errors_impl.InvalidArgumentError: Ожидается Аргумент умножается на вектор длины 4, но получил длину 3 [[{{node loss / dens_2_loss / Tile}}]]

У меня возникли проблемы с решением, так как я не могу легко напечатать форму из моих разных тензоров, чтобы понять проблему. Есть ли у вас какие-либо подсказки, как решить эту проблему (исправляя мой код или используя другой метод)? Заранее спасибо.

1 Ответ

1 голос
/ 06 февраля 2020

Из документации Kera вы можете видеть, что когда вы определяете пользовательский показатель c, метки становятся первым аргументом, а прогноз - вторым аргументом пользовательской потери.

Просто поменяйте местами y_true и y_pred, и ваш код должен запуститься: 

def min_mse(y_true, y_pred):
    y_pred_temp = K.repeat(y_pred, K.shape(y_true)[1])
    return K.min(K.sum(K.sqrt(y_pred_temp-y_true), axis=-1), axis=-1)
...