如何在keras中实现损失函数的ssim？
在Keras中实现损失函数的SSIM（结构相似性指数），可以通过自定义损失函数的方式来实现。下面是一个示例代码，展示了如何在Keras中实现SSIM损失函数：
import tensorflow as tf
from tensorflow.keras import backend as K
def ssim_loss(y_true, y_pred):
# SSIM参数
C1 = 0.01 ** 2
C2 = 0.03 ** 2
# 均值
mu_true = K.mean(y_true)
mu_pred = K.mean(y_pred)
# 方差
var_true = K.var(y_true)
var_pred = K.var(y_pred)
# 协方差
covar_true_pred = K.mean((y_true - mu_true) * (y_pred - mu_pred))
# SSIM计算公式
numerator = (2 * mu_true * mu_pred + C1) * (2 * covar_true_pred + C2)
denominator = (K.square(mu_true) + K.square(mu_pred) + C1) * (var_true + var_pred + C2)
ssim = numerator / denominator
# 返回1-SSIM作为损失函数
return 1 - ssim在使用时，可以将该自定义损失函数应用于模型的编译过程中，例如：
model.compile(optimizer='adam', loss=ssim_loss)这样，模型在训练过程中将使用SSIM作为损失函数进行优化。
需要注意的是，SSIM损失函数适用于图像处理任务，如图像重建、图像去噪等。在应用场景中，可以根据具体任务的需求选择合适的损失函数。
关于腾讯云相关产品和产品介绍链接地址，由于要求不能提及具体品牌商，建议您参考腾讯云官方文档或咨询腾讯云的技术支持团队，获取更详细的信息。
相关·内容
1回答
我需要SSIM作为我的网络中的一个损失函数，但我的网络有两个输出。我需要使用SSIM进行第一次输出，使用cross-entropy进行下一次输出。损失函数是它们的组合。然而，我需要更高的SSIM和更低的cross-entropy，所以我认为它们的组合是不正确的。另一个问题是我在keras中找不到SSIM的实现。 Tensorflow有tf.image.ssim，但它接受图像，我不认为我可以在损失函数中使用它，对吧？你能告诉我我该怎么做吗？我是keras和深度学习的初学者，我不知道如何将SSIM作为keras中的自定义损失函数。
浏览 50提问于2019-04-10得票数 3
我需要使用来自Sewar的SSIM作为损失函数，以便为我的模型比较图像。
当我试图编译我的模型时，我得到了错误。我导入函数并编译模型，如下所示：
from sewar.full_ref import ssim
...
model.compile('ssim', optimizer=my_optimizer, metrics=[ssim])
我得到了这个：
File "/media/merry/merry32/train.py", line 19, in train
model.compile(loss='ssim', optimizer=opt,
浏览 3提问于2019-08-05得票数 3
我使用keras，我想结合ssim和其他一些损失函数()。
为了查看每个组件的值和效果，我还将每个组件定义为度量。但是它会导致计算两次，一次是损失函数，另一次是度量函数。
是否有方法计算每个组件一次，并使用它们的值作为度量和损失函数？谢谢
浏览 0提问于2018-05-23得票数 2
回答已采纳
1回答
我在keras中定义了一个DSSIM损失函数。这是我的功能：
import keras.backend as K
def DSSIM_coef(y_true,y_pred, c1, c2):
u_true=K.mean(y_true, axis=-1)
u_pred=K.mean(y_pred, axis=-1)
var_true=K.var(y_true, axis=-1)
var_pred=K.var(y_pred, axis=-1)
std_true=K.sqrt(var_true)
std_pred=K.s
浏览 2提问于2017-10-23得票数 1
我尝试使用以下命令行在IDLE中运行python代码以导入compare_ssim， 从skimage.measure导入compare_ssim：code for importing compare_ssim from keras.layers import Input, Dense
from keras.models import Model
from keras.callbacks import ModelCheckpoint
import matplotlib.pyplot as plt
import numpy as np
import cv2
import math
from P
浏览 93提问于2021-01-21得票数 0
2回答
我正在尝试这个由实现的SSIM丢失，用于图像恢复。
为了参考作者的GitHub上的原始示例代码，我尝试了：
model.train()
for epo in range(epoch):
for i, data in enumerate(trainloader, 0):
inputs = data
inputs = Variable(inputs)
optimizer.zero_grad()
inputs = inputs.view(bs, 1, 128, 128)
top = model.upward(in
浏览 154提问于2018-12-28得票数 3
我想使用DSSIM损失函数，我把这个丢失函数的代码放在我的代码中，但是它会产生这个错误。
回溯(最近一次调用)：
文件""，第218行，在w_extraction.compile(optimizer=opt，loss={‘解码器_输出’：‘DSSIMObjective’，'wprim'：‘二进制_交叉熵’}，loss_weights={‘解码器_输出’：1.0，‘wprim’：1.0}，度量=‘mae’)中
文件"D:\software\Anaconda3\envs\py36\lib\site-packages\keras\engine\trainin
浏览 0提问于2019-04-09得票数 0
回答已采纳
1回答
我有点困惑KL发散是如何应用的，特别是在Keras中，但我认为这个问题对于深度学习应用来说是一个普遍的问题。在keras中，KL损失函数定义如下：
def kullback_leibler_divergence(y_true, y_pred):
y_true = K.clip(y_true, K.epsilon(), 1)
y_pred = K.clip(y_pred, K.epsilon(), 1)
return K.sum(y_true * K.log(y_true / y_pred), axis=-1)
在我的模型中，y_true和y_pred是矩阵；每一行y_t
浏览 0提问于2017-06-05得票数 7
回答已采纳
3回答
我想使用SSIM度量作为我在tensorflow中工作的模型的损失函数。SSIM应该测量我的去噪自动编码器的重建输出图像与输入无损坏图像(RGB)之间的相似性。
据我所知，在tensorflow中使用SSIM度量时，图像应该是规范化的( 0,1或0,255而不是-1,1 )。在将我的张量转换为0,1并将SSIM作为我的丢失函数之后，重建的图像是黑白的，而不是彩色的RGB图像。
tf.reduce_mean(tf.image.ssim(reconstructed, truth, 1.0))
我的模型与MSE (均方误差)很好地工作，重建图像是彩色的。
使用tf.losses.mean_squar
浏览 1提问于2018-10-14得票数 7
回答已采纳
我有一个Keras模型，它有3个输入和2个输出，如下所示
_________
a --| |--- x
b --| Model |--- y
c --|_________|
是否有方法编译模型并计算特定输入和输出(例如输入'a‘和输出’x‘)之间的结构相似性(SSIM)？
model = keras.Model([a, b, c], [x, y])
model.compile(optimizer='adam'
, loss = 'mse'
, metric
浏览 5提问于2022-04-16得票数 0
1回答
我正在尝试一些使用keras模型的示例，这些模型已经可用。大多数示例都将keras与tensorflow (或pytorch或theano)结合使用。由于有限的可用资源和成本削减，我正在使用plaidml与amd gpu一起工作。由于keras支持可插拔的后端，我认为这可能不是问题。请分享您对使用keras api以及以后插入所需后端的想法。我之所以担心这个问题，是因为和使用的是tensorflow (import tensorflow.keras)的kera，而我使用的是带有可插拔后端的普通的keras(import keras)。什么是等价语句
img = tf.io.decode_png
浏览 5提问于2021-10-29得票数 0
2回答
我读到了TensorwFlow (tf)用户文档中的最小平方错误(MSE)。
当我硬编码MSE并打印计算出的每个损失时，我观察到一个与tf报告的值不同的值。
import numpy as np
import random
import tensorflow as tf
from tensorflow import keras
m = 200
n = 5
my_input= np.random.random([m,n])
my_output = np.random.random([m,1])
def obj(y_true,y_pred):
loss = tf.keras.
浏览 1提问于2021-10-19得票数 4
回答已采纳
我有一个模型，我真的不知道如何转换为Keras模型，如果有人可以看看并帮助我开始，我会非常感谢！我在试着找到一种使用“自我”的方法keras LSTM模型中的值。我真的不能通过查看其他论坛找到一种方法来做到这一点，而且tensorflow迁移教程对我的特定问题也没有真正的帮助。
如果有人也有一个类似的keras模型的建议，那也是非常有帮助的！
现在它正在使用compat.v1让我可以在TensorFlow2.0中运行。
代码：
class Model:
def __init__(
self,
learning_rate,
num_laye
浏览 0提问于2020-08-04得票数 0
当我在Tensorflow的网站上看到时，我发现了两种自定义损失的方法。第一个是定义一个损失函数，就像：
def basic_loss_function(y_true, y_pred):
return tf.math.reduce_mean(tf.abs(y_true - y_pred))
为了简单起见，我们假设批处理的大小也是1，所以y_true和y_pred的形状都是(1，c)，其中c是类的数目。在这种方法中，我们给出了两个向量y_true和y_pred，并返回一个值(Scala)。
然后，第二个方法是子类tf.keras.losses.Loss类，指南中的代码是：
class W
浏览 4提问于2020-05-14得票数 4
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
1回答
根据Keras文档的说法，sample_weight可以用于训练数据中的任何样本在损失中的不同重要性。
我在谷歌上搜索了一下，但没有找到我的问题的答案如下：
sample weights是否参与衍生产品？换句话说，Keras是使用这些权重来训练模型，还是只产生不同的损失值？即，导数是“静态”计算的w.r.t。对“未加权”损失？
因为损失函数实际上并不是基于样本权重来定义的，所以它只是(作为参数)传递给Keras中的fit函数。
浏览 0提问于2020-03-21得票数 6
我想将tf.image.ssim_multiscale用于cacculate指标MS-SSIM，并编写了这个简单的代码。但它有错误：
#(x_train.y_train),(x_test,y_test)=tf.keras.datasets.cifar10.load_data()
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.cifar10.load_data()
q1=train_images[0:10]
tf.image.ssim_multiscale(q1, q1, max_val=
浏览 27提问于2020-12-22得票数 1
2回答
我熟悉Keras，在Keras中，我们需要根据需要在输出层中添加激活函数，但是在学习Tensorflow时，我发现输出层没有添加激活函数。
有人能解释一下这背后的原因吗。
浏览 4提问于2019-03-11得票数 0
回答已采纳
1回答
我在物理领域应用机器学习来预测分子的潜能。此电位可描述为形状为64*64的2d数组。为了方便起见，我在0到1的范围内缩放了潜力的值。
经过缩放后的潜力的样本：
我的目标是建立一个带有Keras的神经网络模型来预测潜力。模型的输入是一些物理量，可以作为一维数组来处理，输出就是我前面提到的潜力。训练后的模型结果很好，MAPE小于5%，但测试阶段在测试数据集和训练数据集上都存在较大问题(两个数据集都有相同的分布输入)。
左边的是模型预测的潜力，中间的是真实的值，最后一个是MAPE：
我尝试过许多损失函数(MAE；(1-SSIM)；等等)；更改模型层以改进模型，但没有发生任何事情。
浏览 11提问于2022-11-26得票数 0
1回答
编辑:更新，因为我最初误解了这篇论文。
我试图为keras实现一个自定义的丢失函数，目的是最小化MS-SSIM ()。
我得到了以下错误：
Traceback (most recent call last):
File "kerasmodel_const_init_customloss.py", line 318, in <module>
model.fit(x=[np.array(training_data_LR), np.array(training_data_MC)], y=[np.array(training_data_HR)], batch_s
浏览 1提问于2018-02-12得票数 0
以下是我的代码可以帮助我 import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set = train_datagen.flow_from_direct
浏览 33提问于2020-09-13得票数 1
与Keras相比，我更熟悉tensorflow图形培训，但我正在这里试用Keras。
在构建GAN时，需要针对与鉴别器不同的损耗(相反的损耗)对发电机进行优化。在base中，使用两个优化器或分别使用适当的权重组调用optimizer.compute_gradients(...)和optimizer.apply_gradients(...)，这非常容易实现。
在Keras中，我看不出我能实现这两个目标。在像这样的实现中，生成器和鉴别器的训练似乎被分割成不同的模型，然后逐批独立地进行训练。这意味着每一次有效更新都需要更多的传递，而不是使用两个优化器一次操作的基本tensorflow实现。
有没有一
浏览 0提问于2019-07-09得票数 10
回答已采纳
1回答
我已经建立了一个强化学习DQN，将可变长度的序列作为输入，并计算出行动的积极和消极奖励。我在Keras中的DQN模型存在一些问题，这意味着尽管该模型运行，但在epsilon的单个和多个周期中，平均回报会随着时间的推移而减少。即使经过长时间的训练，这一点也不会改变。 ? ? 我的想法是，这是由于在Keras中使用MeanSquareError作为损失函数(最小化误差)。所以我正在尝试实现梯度上升(以最大化回报)。如何在Keras中做到这一点？我目前的模型是： model = Sequential()
inp = (env.NUM_TIMEPERIODS, env.NUM_FEATU
浏览 47提问于2020-11-23得票数 0
回答已采纳
我正在研究tensorflow.keras中的一个不平衡的分类问题。我决定按照this answer on cross validated的建议计算“几何平均分”。我在一个名为imbalanced-learn的包中发现了一个implementation of it，并意识到它不能用作tensorflow.keras.Model.compile(metrics=[])中的指标之一；而且由于我还希望在每次调用时都向它传递一个参数，所以我决定自己实现一个自定义指标并使用它。但是我在测试过程中遇到了一个错误，那就是： AttributeError: 'GeometricMeanScore&#
浏览 17提问于2020-07-22得票数 2
1回答
在Keras中，优化器(默认优化器)默认情况下会最小化损失函数。有没有什么方法可以让优化器最大化损失函数？
浏览 46提问于2019-07-15得票数 1
回答已采纳
目前，我正试图在Keras中构建一个具有三种不同损失函数的深度学习模型。第一个损失函数是典型的均方误差损失。另外两个丢失函数是我自己构建的函数，它发现了从输入映像进行的计算与输出图像之间的区别(这段代码是我正在做的工作的简化版本)。
def p_autoencoder_loss(yTrue,yPred):
def loss(yTrue, y_Pred):
return K.mean(K.square(yTrue - yPred), axis=-1)
def a(image):
return K.mean(K.sin(image))
de
浏览 2提问于2019-10-04得票数 3
回答已采纳
我正在使用一个高度倾斜的计数数据集，该数据集通常适合负二项式。我想在Keras或Tensorflow中使用负二项作为前馈神经网络的损失函数。
据我所知，在查看了可用的损失函数后，keras或tensorflow不存在这样的函数(尽管我希望我错了，我只是错过了一些东西)。
我环顾四周，看到一些帖子建议只交换损失以包含负二项式，但似乎在tensorflow中创建自定义损失不仅仅是用tf.contrib.distributions.NegativeBinomial交换
有几篇文章谈到了为Tensorflow / keras创建自定义损失函数，例如：看了这个之后，我正在努力弄清楚如何编写这个函数。
我
浏览 7提问于2018-09-06得票数 5
我有一个自定义损失f =x+y，其中我有这样的约束:当优化f时，x应该在(0.10，0.2)的范围内，y应该在(0.6，0.1)的范围内，y是实际标签和预测标签之间的均方差，x是不同类型的作业。该模型不是基于x进行训练的；但是，在预测范围内获得不同类型的作业时，需要对其进行优化。
我遇到了关于如何将scipy.optimize与函数参数的界限一起使用的。然而，我的主要问题是我有一个自定义的损失函数total_loss(y_pred，y_true)，它使用"SGD“作为优化器来使用Keras作为损失函数。现在，为了包含参数的边界范围，我想使用带Keras的scipy.optimize.m
浏览 18提问于2019-08-05得票数 0
我正在尝试使用Tensorflow来并行化这段代码- import numpy as np
import tensorflow as tf
import time
#Importing a generic dataset from Keras
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data(
path='mnist.npz'
)
#I would like to compare a reference image to a bunch of images
#This
浏览 22提问于2021-01-01得票数 0
回答已采纳
2回答
Keras损失值显著跳跃
、、、、
我正在用Tensorflow在Keras开发一个简单的神经网络。损失值从上一批小批次的L-1显著上升到第一批小型的历元L。
我知道损失应该会随着迭代次数的增加而减少，但是在每个时期之后损失的大幅增加确实看起来很奇怪。下面是代码片段
tf.keras.initializers.he_uniform(seed=None)
initializer = tf.keras.initializers.he_uniform()
def my_loss(y_true, y_pred):
epsilon=1e-30 #epsilon is added to avoid inf/nan
y_
浏览 7提问于2022-05-04得票数 0
回答已采纳
我正在尝试为我用Keras编写的模型编写一个像素加权损失函数，但在TensorFlow 2.0中似乎不再可能了，即除了y_true和y_pred之外，不可能有其他输入的损失函数
我以前是这样写的：
from tensorflow.keras.layers import Input, Conv2D
from tensorflow.keras.optimizers import Adam
from tensorflow.keras import backend as K
def my_keras_model():
input = Input((256,256,1), name='in
浏览 2提问于2020-04-15得票数 3
我想在训练中更换与我的神经网络相关的损失函数，这就是网络：
model = tensorflow.keras.models.Sequential()
model.add(tensorflow.keras.layers.Conv2D(32, kernel_size=(3, 3), activation="relu", input_shape=input_shape))
model.add(tensorflow.keras.layers.Conv2D(64, (3, 3), activation="relu"))
mo
浏览 0提问于2020-04-02得票数 7
回答已采纳
1回答
这是我得到的错误消息：
D:\Documents\neural_network\image_upscaler\nn2.py:33)断言失败:10250[节点SSIM_ /SSIM/断言2/断言“(定义在上)
函数调用堆栈: train_function
这是我的密码
def ssim_loss(y_true, y_pred):
y_pred = tf.cast(y_pred, tf.float32)
y_true = tf.cast(y_true, tf.float32)
return tf.reduce_mean(tf.image.ssim(y_true, y_p
浏览 5提问于2020-11-01得票数 0
我的理解是，keras需要损失函数才能具有签名： def custom_loss(y_true, y_pred): 我正在尝试使用sklearn.metrics.cohen_kappa_score，它需要(y1，y2，labels=None，weights=None，sample_weight=None)` 如果我按原样使用它： model.compile(loss=metrics.cohen_kappa_score,
optimizer='adam', metrics=['accuracy']) 则不会设置weights。我想将其
浏览 57提问于2019-02-23得票数 4
回答已采纳
2回答
我用tensorflow在Keras中实现了一个基本的MLP，并试图解决一个二进制分类问题。对于二进制分类，sigmoid似乎是推荐的激活函数，我不太理解其中的原因，以及Keras如何处理这个问题。
我理解sigmoid函数会产生介于0到1之间的值。我的理解是，对于使用sigmoid的分类问题，将有一个特定的阈值来确定输入的类(通常为0.5)。在Keras中，我没有看到任何方法来指定这个阈值，所以我假设它是在后端隐式完成的？如果是这种情况，那么Keras如何区分在二进制分类问题中使用sigmoid，还是在回归问题中使用？对于二进制分类，我们需要一个二进制值，而回归则需要一个名义值。我所能看到的
浏览 0提问于2018-03-06得票数 21
回答已采纳
我找到了两个主要的消息来源。
，不是按照规则做的(我更喜欢避免)
(我喜欢避免惊喜)
为了避免内存泄漏，我更喜欢跟踪Keras的文档，因为对于一些使用Keras的的人来说是这样的。
但是Keras在文档中所显示的是关于分类的。这不是我的案子。
所以我试着看一下Keras的源代码。正好在文件中：/lib/python3.7/site-packages/tensorflow_core/python/keras/metrics.py。这对我一点帮助都没有，因为大多数度量标准(一些例外是分类度量)都是用包装器完成的，如下所示：
@keras_export('keras.met
浏览 2提问于2020-09-07得票数 0
1回答
我是机器学习的新手。我一直试图让这段代码正常工作，但是损失被困在1.12，并且没有增加也没有减少。任何帮助都将不胜感激。
import pandas as pd
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
dataset = pd.read_csv('Iris.csv')
#for rncoding label
from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
dataset
浏览 3提问于2020-07-19得票数 0
回答已采纳
1回答
我正在使用Keras loss='binary_crossentropy'、optimizer=tf.keras.optimizers.Adam进行二进制分类，最后一层是keras.layers.Dense(1, activation=tf.nn.sigmoid)。
据我所知，loss值被用于评估训练阶段的模型。但是，当我将Keras模型评估用于测试数据集(例如，m_recall.evaluate(testData,testLabel) )时，也存在loss值，并伴随着类似下面的输出的accuracy值。
test size: (1889, 18525)
1889/1889
浏览 0提问于2018-11-27得票数 5
回答已采纳
我正在使用Keras2.2.4，我试图实现一个损失函数，用于像素级分类，如中所描述的，但我遇到了一些困难。我正在进行三维分割，因此我的目标向量是(b_size, width_x, width_y, width_z, nb_classes)。我实现了以下损失函数，其中权重图与目标和预测向量的形状相同：
def dice_xent_loss(y_true, y_pred, weight_map):
"""Adaptation of https://arxiv.org/pdf/1809.10486.pdf for multilabel
classifica
浏览 1提问于2018-12-29得票数 3
众所周知，keras中的sparse_categorical_crossentropy可以得到每个类别之间的平均损失函数。但是如果只有一个特定的类别是我最关心的呢？例如，如果我想将基于此类别的精度(=TP/(TP+FP))定义为损失函数，我该如何编写它？谢谢!
我的代码是这样的：
from keras import backend as K
def my_loss(y_true,y_pred):
y_true = K.cast(y_true,"float32")
y_pred = K.cast(K.argmax(y_pred),"float32"
浏览 0提问于2018-04-25得票数 3
2回答
基于相似性度量的图像聚类
、、、、
我正在尝试使用科学知识-学习和比辛对一组图像进行聚类-不到100。
最终的目标是根据计算出的相似性度量- CW-SSIM将图像放入几个桶(簇)中。
这个任务似乎很琐碎，但我无法找到最好的方法来处理基于相似性的集群，在scikit中学习。K-表示聚类看起来是个不错的选择，但它不接受任何“比较函数”或自定义距离函数。
那么如何处理科学学习中基于比较(基于相似性)的聚类呢？
我在考虑“比较矩阵”，根据计算出的CW-SSIM相似值，每个单元格有1(相似)或0(不相似)。该矩阵将用于拟合K-均值聚类。但是接下来我们将面临可伸缩性问题，因为这样的矩阵的维数将等于图像的数量.未来可能会增长到1+百万。
如果
浏览 0提问于2016-01-10得票数 8
这是我第三次尝试从地面上得到一个深入的学习项目。我在研究蛋白质序列。首先我尝试了TFLearn，然后是原始的TensorFlow，现在我正在尝试Keras。
前两次尝试教会了我很多，并给了我一些代码和概念，我可以重用。然而，一直存在一个障碍，我问了一些开发人员无法回答的问题(在TFLearn的情况下)，或者我只是陷入了困境(TensorFlow对象内省是乏味的)。
我编写了这个TensorFlow损失函数，我知道它能工作：
def l2_angle_distance(pred, tgt):
with tf.name_scope("L2AngleDistance"):
浏览 1提问于2018-01-01得票数 8
回答已采纳
我在R中使用Keras，它的文档指定：
如果模型有多个输出，则可以通过传递字典或损失列表，对每个输出使用不同的损失。然后，该模型将最小化的损失值将是所有个人损失的总和。
在这种情况下，我有多个输出，但是应用了相同的损失函数，Keras仍然对它们进行求和，或者它是否进行了另一个转换，如average？
浏览 0提问于2019-07-26得票数 2
回答已采纳
我想训练一个具有来自AdaBoost分类器的损失分量的神经网络。
myLoss(y_true, y_pred, adaClf, Z_):
loss = BinaryCrossEntropy(y_true, y_pred) + MeanSquareError(adaClf.predict(Y_pred), Z_)
return loss
其中adaClf是scikit learn分类器。我如何在Keras中实现这一点？
浏览 2提问于2018-11-10得票数 0
1回答
用于条件计算的中间层损失计算
、、、、
我想创建一个基于MLP的自定义CNN模型(多尺度)，由几个并行的小网络(胶囊)组成。这些简单的小网络被实例化为每个卷积尺度(即3x3，5x5 )的自定义图层(conv2d->Flatten->Dense)。这些胶囊网络的目的是使用CNN模型产生中间损失意识，以减少总体损失。我写了一些粗略的代码，但我不能写正确的代码来使用这些胶囊计算局部损失。代码如下：
from tensorflow.keras import layers
import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorf
浏览 3提问于2021-05-04得票数 0
在Tensorflow addons中，有两次提到三元组损失，一个是基类tfa.losses.triplet_semihard_loss，另一个是tfa.losses.TripletSemiHardLoss，它是由用户初始化的子类，反过来隐式地调用基类。在这段属于子类的代码中：
def __init__(self, margin=1.0, name=None):
super(TripletSemiHardLoss, self).__init__(
name=name, reduction=tf.keras.losses.Reduction.NON
浏览 5提问于2019-12-09得票数 0
我从keras.Model继承而构建了自己的Keras模型类。然而，我有一个修改过的训练步骤，在那里我手动导出前向传递并计算两个不同的损失，我将其求和，使我的总损失为total_loss = loss1 + factor*loss2。我观察到，如果我在训练过程中减少这个因素，我会得到更好的结果。我现在的问题是，这可能是一个好的解决方案。我能否以某种方式访问train_step方法中的纪元编号，以便从纪元编号计算因子，或者是否有其他更好的方法？
非常感谢:)
编辑:如果我在train_step方法中添加一个计数器，它在训练过程中不会增加。但这只会在非急切模式下发生。如果我启用了急切模式，它就会工
浏览 1提问于2020-10-10得票数 3
1回答
在Keras损失页面，哪个是，我看到的主要区别是损失类别和损失函数？谁能解释一下为什么这两个API的损失是一样的？它只是用于类初始化还是其他目的？另外，如果有人可以解释，在哪些情况下，我们应该使用哪一个，那就太好了。
提前谢谢。
浏览 2提问于2021-11-25得票数 0
2回答
在Keras中，对于密集层，我们可以使用参数activity_regularizer。在Tensorflow中，没有类似的参数。
喀拉斯：
from keras import regularizers
encoding_dim = 32
input_img = Input(shape=(784,))
# add a Dense layer with a L1 activity regularizer
encoded = Dense(encoding_dim, activation='relu', activity_regularizer=regularizers.l1(10e-
浏览 0提问于2018-04-30得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
