Keras自定义损失函数-形状不匹配，尽管返回的形状与分类交叉点相同
Keras是一个深度学习库，它提供了丰富的功能来构建和训练神经网络模型。自定义损失函数是在训练过程中使用的一种重要工具，可以根据任务需求来定义特定的损失函数。在使用自定义损失函数时，有时可能会遇到形状不匹配的问题。这种问题通常出现在模型输出的形状与目标标签的形状不一致时。
解决形状不匹配的问题需要对损失函数进行调整，以确保它们能够处理不同形状的输入。以下是几种常见的处理方法：
- 数据预处理：检查训练数据和目标标签的形状，确保它们在输入模型之前具有相同的形状。如果形状不匹配，可以考虑调整数据集或者使用数据处理技术，例如重新采样、填充或裁剪数据，以使其与模型的输出形状相匹配。
- 损失函数参数：某些损失函数可能接受额外的参数，可以使用这些参数来调整损失函数的行为。例如，一些损失函数可以接受权重参数，用于调整不同类别的重要性，从而解决形状不匹配的问题。查阅Keras文档以获取有关所使用损失函数的参数信息。
- 模型结构调整：如果输入和目标的形状无法直接匹配，可以考虑修改模型的结构以适应不同的形状。这包括添加、删除或调整模型的层，以确保输入和目标的形状一致。
总而言之，解决Keras自定义损失函数形状不匹配的问题需要综合考虑数据预处理、损失函数参数和模型结构调整等方面的方法。具体的解决方法会根据具体情况而定，需要根据问题的具体内容进行调整和实验。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云官方网站：https://cloud.tencent.com/
- 云服务器CVM：https://cloud.tencent.com/product/cvm
- 云原生应用引擎TKE：https://cloud.tencent.com/product/tke
- 云数据库CDB：https://cloud.tencent.com/product/cdb
- 人工智能AI Lab：https://cloud.tencent.com/product/ai-lab
- 物联网平台IoT Hub：https://cloud.tencent.com/product/iothub
- 移动开发平台MIP：https://cloud.tencent.com/product/mip
- 对象存储COS：https://cloud.tencent.com/product/cos
- 区块链服务BCS：https://cloud.tencent.com/product/bcs
- 元宇宙产品Metaverse：https://cloud.tencent.com/product/metaverse
请注意，以上链接仅供参考，具体产品选择需要根据实际需求进行评估和比较。
相关·内容
1回答
我使用Keras/TF的模型如下：
conv = Conv2D(4, 3, activation = None, use_bias=True)(inputs)
conv = Conv2D(2, 1, activation = None, use_bias=True)(conv)
model = Model(input = inputs, output = conv)
model.compile(optimizer=Adam(lr=1e-4), loss=keras.losses.mean_absolute_error)
在model.fit中，我收到一个错误：
ValueError:检
浏览 0提问于2019-01-02得票数 5
回答已采纳
目前，我正在训练一个二进制分类模型。我喜欢有两个概率(每个现有类一个)加起来为1的想法，所以我在输出层使用softmax，并获得了非常高的精度(高达99.5%)，同时损失也非常低，为0,007。在研究的过程中，我发现在训练二维分类问题时，二元交叉是唯一真正的选择。
现在，如果我想使用softmax时，必须使用classification_crossentropy作为损失函数，我会感到困惑。你能帮助我理解在二分类问题中应该使用什么作为损失函数和激活函数，以及为什么？
下面是我的代码：
model = tf.keras.Sequential()
model.add(tf.keras.layers.
浏览 1提问于2020-07-11得票数 0
1回答
我正在研究瑞典树叶数据的二元分类模型，认为转移学习是可行的。我找到了教程，但是在编译函数中，我想使用与准确性不同的度量标准。当我试图得到AUC或FP/FN/TP/TN时，会出现ValueError，声称真y (None，1)的形状与y_pred (None，2)的形状不相容。
我不明白：
为什么y_pred会有这样的形状？
如何计算精度，而不是混淆矩阵的各个部分？！
没有合理解释的解决方案也非常受欢迎:)
feature_extractor_model = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/featur
浏览 6提问于2022-03-11得票数 0
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
Keras在这个简单的例子中抛出了一条错误消息。需要帮助。另外，有没有关于Conv2D和Input的张量维度的文档？花了太多的时间试图找到解决方案，并以每种方式变异/旋转张量……
我的规格: TensorFlow 10 x64、Python3.6(出自Anaconda 3 x64)、Keras 2.09、Windows 1.4.0
import numpy as np
from keras.models import Model
from keras.layers import Conv2D, Input
from keras.utils.np_utils import to_categori
浏览 5提问于2017-12-26得票数 1
回答已采纳
1回答
我正在尝试训练CNN来对图像进行3类分类。每个图像可以属于几个类。因此，在网络输出中，我希望每个类都有一个概率。
当我执行数据加载时，我有一个pandas数据帧，其中包含以下列:imageID，class 1，class 2，class 3。图像大小为(256,256,3)，标签为(3,1) (例如:如果图像属于类1，类2标签为1,1,0)
然后，这是我的模型：
print("Define model")
base_model = tf.keras.applications.VGG16(include_top=False, input_shape=(256,256,3),wei
浏览 9提问于2021-05-07得票数 0
我试图训练这个模型，但是我被错误的ValueError困住了:形状(无，1)和(无，24)是不相容的
我的代码
model = models.Sequential()
model.add(layers.Conv2D(32, kernel_size=(3, 3), activation='relu',input_shape=(28, 28, 1)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Conv2D(128, (3, 3), activation='
浏览 4提问于2022-10-14得票数 1
1回答
我正在使用LSTM层和完全连接层进行分类序列预测。我将当前输入与“正确”输出进行匹配，“正确”输出是序列中稍后出现的元素。
我想更灵活地理解什么是“正确的”。我想考虑y_true周围的一些序列值也被认为是正确的。例如，给定序列a，b，c，d，e，f，g，h，i，...如果我想要提前预测5个元素，那么对于输入时间步0，我会传入'a‘，并希望预测'f’、'g‘或'h’。我希望这三个元素都被认为是正确的。
有没有办法在Keras (或Tensorflow，如果需要)中实现这一点？
浏览 10提问于2019-07-06得票数 0
回答已采纳
1回答
深度学习模型的预测
、、、、
我已经建立了一个从0到9的数字分类模型。我的数据集是tf.keras.datasets.mnist。我使用softmax作为输出层的激活函数。
Q1：
输出层由10个神经元组成。每个代表从0到9的数字。但即使我把输出层神经元的数目改为20个，预测也是准确的。看起来，即使我只需要预测10位数，输出层中也可以有10个以上的神经元。为什么这么说？
Q2：
而且，预测是一个正确的列表列表。每个列表包含对应于10个神经元的概率，我们取概率最高的神经元。我的问题是，假设第6个神经元的概率最高，我如何知道分配给它的数字(标签)是什么？
我是一个完全的新手深入学习，所以请给我哑口无言。
浏览 0提问于2020-04-05得票数 0
在这个keras/tensorflow代码中：
import keras.backend as K
y_pred = model.predict(X)
loss = keras.losses.categorical_crossentropy(
K.variable(y_true),
K.variable(y_pred))
print("K.eval(loss):", K.eval(loss))
K.eval(loss)给了你什么？我
浏览 0提问于2017-09-09得票数 1
我开始使用图像分类样本来研究tensorflow，这是tensorflow官方文档上的第一个样本。它创建Keras Sequential模型，如下所示：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
输入数据是包含28*28张图像的keras.datasets.fashion_mnist。图像标签在0,1,2...9中。
浏览 3提问于2020-06-12得票数 1
我即将开始一个使用灰度掩码进行语义分割的项目。问题是，我们必须检测图像的每个像素，如果它是一个对象或背景(二进制类问题)。我很难将这个像素二进制分类任务与掩码标签联系起来，因为每个像素都在一个范围内的0,255。我已经根据这方法开始用Keras实现了一个U-net (在keras中是相当新的)。
你会用什么样的损失？-我在想binary_crossentropy
你会用什么样的标签？因此，如果我以像素的方式进行二进制分类，CNN的输出形状会是什么？
对不起，如果我没有使用适当的技术术语。
浏览 0提问于2019-11-13得票数 2
1回答
我找到了MNIST手写字符分类问题的一些示例代码。代码的开头如下：
import tensorflow as tf
# Load in the data
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
print("x_train.shape:", x_train.shape)
model = tf.keras.models.Sequential
浏览 9提问于2020-02-28得票数 2
回答已采纳
不幸的是，我先前的问题没有得到令人满意的回答(如下面所示，如果一个时代由一批相同的奇怪行为组成)，而且这个问题让我发疯，所以请原谅用新的、更有针对性的、非常简单的代码重新发布这个问题。下面是与我以前版本的基本相同问题的链接：
似乎Keras、.fit和.evaluate方法给出了不同的训练精度(但验证的准确性相同)。在失去时也是一样？
(我试图对该主题的拟议答案进行评论，但允许的空间太短，无法发布新代码)。
请注意，在下面的新示例中，一个纪元只有一个批处理(2个示例)，并且代码是针对单个时期进行的，因此，1 epoch =1批。因此，model.fit打印的内容应该与model.evaluat
浏览 0提问于2021-04-21得票数 2
我创建了一个自定义丢失函数，如下所示：
import tensorflow.keras.backend as K
def custom_loss(y_true, y_pred):
y_true = K.cast(y_true, tf.float32)
y_pred = K.cast(y_pred, tf.float32)
mask = K.sign(y_true) * K.sign(y_pred)
mask = ((mask * -1) + 1) / 2
losses = K.abs(y_true * mask)
return K.sum(l
浏览 3提问于2020-08-05得票数 1
回答已采纳
1回答
我的问题可能很容易为你解决，但我没有找到任何答案，也不知道如何实现它，因为我也是Keras和Tensorflow的新手。
问题:我使用了一个预先训练好的图像分割网络( Hengshuang Zhao et al 2017的)，对于这个网络，有人使用Tensorflow后端()将权重从Caffe转换为Keras。
我想要计算关于权重的分类交叉损失函数的梯度，到目前为止还没有那么复杂，我可以解决。但问题是损失函数，因为我只想要预测的单个像素的损失。
到目前为止，我对整个图像的丢失所做的是：
weights = model.trainable_weights
gradients = model.o
浏览 1提问于2018-04-13得票数 2
我正在尝试理解Keras中的损失函数，我看到典型损失函数的代码如下所示：
def mean_squared_error(y_true, y_pred):
return K.mean(K.square(y_pred - y_true), axis=-1)
我检查了如果y_true和y_pred是形状(a, b, c, d)的张量，那么返回值就是形状(a, b, c)的张量。
我的问题是:损失不应该是一个数值而不是张量吗？
浏览 0提问于2018-01-25得票数 1
我已经使用Keras和TensorFlow对按照进行了分类。
网络的输入是形状为28，28的2-D张量，输出是形状为10的1-D张量，这是softmax函数的结果。
如何做到这一点？是否可以使用Keras或必须使用较低级别的API来完成此操作？
经过训练的模型具有以下格式
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activati
浏览 4提问于2018-10-06得票数 8
我是新的图像处理和使用角角和tensorflow的多图像分类.下面给出了我正在使用的代码：
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import pandas as pd
import numpy as np
数据集已经划分为训练集和测试集。训练集和测试集是图像数组，标签是从csv文件中提取的。
X_train = np.load('X_train_images.npy')
X_test = np.load('X_te
浏览 3提问于2020-12-06得票数 1
回答已采纳
我目前正在尝试学习机器学习技术，并想用tensorflow重新创建一个简单的图像识别算法。因此，我制作了两个Python文件:一个用于训练，另一个用于预测。 在Ubuntu 18.04上测试，使用Python版本: 3.7，使用Numpy版本: 1.18.1，使用Tensorflow版本: 1.14和2.1.0 (以下输出来自版本1.14) 我的照片来自http://www.cs.columbia.edu/CAVE/databases/pubfig/download/#dev，这套照片由来自60个人的大约3000张裁剪过的脸组成。 train_model.py： #!/usr/bin/env
浏览 32提问于2020-01-26得票数 1
回答已采纳
我们可以使用predict_classes()函数在Keras中使用序列分类模型来预测新数据实例的类。如何预测使用functional开发的模型的类？
例如，我有一个模型(基于函数API )，在最后一层激活了sigmoid，以获得多标签分类中的概率。当我应用model.predict()时，我得到了一系列的概率，即使损失是binary_crossentropy。
我知道我可以手动进行这个分类，例如采用以下方法。
test_predict_proba = model.predict(x_test, batch_size=batch_size)
class_predict = (test_pred
浏览 0提问于2020-04-29得票数 3
1回答
生成OCR时出错
、、、
我正在尝试建立一个能够识别A-Z，a-z和0-9的ocr。这总共是62类识别。以下是我的代码：
ap = argparse.ArgumentParser() #aaaaaaaaaaaaaaaaaaaaaaaaaaa
ap.add_argument("-d", "--dataset", required=True, help="path to input dataset")
ap.add_argument("-m", "--model", required=True, help="path to output
浏览 1提问于2018-03-29得票数 0
2回答
我正在为初学者学习Keras mnist的例子。我试图改变标签，以适应我自己的数据，其中有三个不同的文本分类。我正在使用"to_categorical“来实现这一点。在我看来，这个形状是对的，但是“适合”会出现一个错误：
train_labels = keras.utils.to_categorical(train_labels, num_classes=3)
print(train_images.shape)
print(train_labels.shape)
model = keras.Sequential([
keras.layers.Flatten(input_sh
浏览 1提问于2019-02-04得票数 1
回答已采纳
我试着在我的keras中优化超参数，CNN为图像分类做了准备。我决定使用sklearn中的网格搜索。我克服了从keras flow_from_directory中生成x和y的根本困难，但它仍然不能工作。最后一行ValueError: dropout is not a legal parameter出错 def grid_model(optimizer='adam',
kernel_initializer='random_uniform',
dropout=0.2,
浏览 18提问于2019-04-07得票数 2
1回答
我试图构建一个有两个输入和两个输出的模型。模型的结构如下所示。我想构建一个由两部分组成的客户损失函数：'d_flat‘和't_flat’之间的差异，以及'perdict‘层的分类交叉损失。模型是这样的：
initial_input_domain=tf.keras.Input(shape=(36,36,3))
initial_input_target=tf.keras.Input(shape=(36,36,3))
vgg_base=tf.keras.applications.VGG19(include_top=False,#weights='imagenet&#
浏览 0提问于2020-09-21得票数 2
我正在尝试使用tensorflow对RNN进行二进制分类。M y训练和测试数据的标签是0和1。当我尝试在完成的模型上使用我的RNN时，它为每个单独的样本返回几乎相同的预测：
model.predict(holdout_x[400:500])
array([[-4.116061 , -1.3410028],
[-4.1405125, -1.3521721],
[-4.171639 , -1.3665637],
[-4.1515126, -1.356805 ],
[-4.1466017, -1.3546 ],
[-4.1306634, -1.3479614],
浏览 11提问于2020-05-29得票数 1
我有一个导入keras.models.load_model的python项目：
from keras.models import load_model
这会导致我的项目在3到4秒内启动，如何减少导入时间？
浏览 5提问于2021-11-29得票数 0
回答已采纳
我用的是一个定制的训练回路。tf.keras.losses.categorical_crossentropy返回的损失是我假设的(1,batch_size)数组。这是它应该返回的还是一个值？
在后一种情况下，你知道我做错了什么吗？
浏览 2提问于2019-12-26得票数 5
回答已采纳
我已经创建了一个基于余弦的自定义损失函数： def cos_loss(y_true, y_pred):
norm_pred = tf.math.l2_normalize(y_pred)
dprod = tf.tensordot(
a=y_true,
b=norm_pred,
axes=1
)
return 1 - dprod 但是，使用此自定义损失训练模型会导致错误In[0] mismatch In[1] shape: 2 vs. 8: [8,2] [8,2] 0 0。如果我使用像分类交叉熵这样的内置损失函数，则
浏览 71提问于2021-04-30得票数 0
回答已采纳
我想知道如何在Keras的二进制或多类分类器中为损失函数添加自定义权重。我使用binary_crossentropy或sparse_categorical_crossentropy作为基线，我希望能够选择为每个类提供错误预测的权重。
浏览 0提问于2019-03-18得票数 2
在keras的所有代码示例中，我看到输入形状是直接传递的，并且推测批处理大小是第一个，例如：
model = Sequential()
model.add(Dense(32, input_shape=(16,)))
# now the model will take as input arrays of shape (*, 16)
# and output arrays of shape (*, 32)
但是，当涉及到自定义损失时，我看到使用了最后一个轴(轴=-1)。
def loss(y_true,y_pred):
return K.mean(K.square(y_pred
浏览 0提问于2019-11-30得票数 1
1回答
如何在Pytorch中实现这两个Keras模型(受Datacamp课程'Advanced Deep Learning with Keras in Python'的启发 1个输入，2个输出的分类： from keras.layers import Input, Concatenate, Dense
from keras.models import Model
input_tensor = Input(shape=(1,))
output_tensor = Dense(2)(input_tensor)
model = Model(input_tensor, output_te
浏览 17提问于2019-09-02得票数 3
在将使用Keras+Tensorflow后端完成的图像分割代码迁移到Keras+CNTK后端时，我遇到了一些问题。代码在TF后端运行得很好，但却与CNTK崩溃。
这个模型是受启发的。
模型输入定义为inputs = Input((img_width, img_height, num_channels))，其中num_channels = 1。
错误来自于试图拟合模型的行：model.fit(X_train, Y_train, epochs=trainingEpochs, verbose=2, shuffle=True, validation_data=(X_val, Y_val), callb
浏览 0提问于2017-08-31得票数 2
回答已采纳
“我想通过keras.model解决一个分类问题，但是在运行model.fit之后，我遇到了一个维度错误。我运行了以下代码：”
print(X_train.shape)
print(y_train.shape)
“产出：”
(2588, 39436)
(2588, 6)
model = keras.Sequential(
[
keras.Input(shape=(39436,1)),
layers.Conv1D(32, kernel_size=3, strides=5, activation="relu"),
layer
浏览 4提问于2020-09-03得票数 0
回答已采纳
2回答
Keras上的域自适应
、、、
我正在用CNN在Keras上开发一个图像分类器。由于这些图像是从多个域拍摄的，我想尝试一下域适配。
为了同时训练一个图像分类器，并使域不变特征，我提出了一个负损失的损失，像这样的领域损失在Keras。
model.compile(optimizer='adam',
loss={'main_output': 'categorical_crossentropy', 'domain_output': 'categorical_crossentropy'},
loss_weight
浏览 3提问于2018-01-23得票数 4
回答已采纳
我正在尝试建立一个序列模型。我有32个特征作为输入维度，这是一个分类问题。这是总结的结果： ? 这是我的模型： #Create an ANN using Keras and Tensorflow backend
from keras.wrappers.scikit_learn import KerasClassifier
from keras.models import Sequential
from keras.layers import Dense, Dropout,Activation
from keras.optimizers import Adam,SGD
nb_epoch =
浏览 29提问于2021-06-21得票数 0
我想在Keras中实现我的自定义度量。根据文档，我的自定义度量应该定义为一个函数，该函数接受两个张量( y_pred和y_true )作为输入，并返回单个张量值。
但是，当优化运行时，我想不清楚这些张量y_pred和y_true到底包含了什么。只是一个数据点吗？是整批吗？整个时代(可能不是)？有没有办法获得这些张量的形状？
有人能指出一个值得信赖的地方我可以得到这些信息吗？任何帮助都将不胜感激。不确定是否相关，但我使用的是TensorFlow后端。
到目前为止，为了回答这个问题，我做了一些尝试：
检查 (没有解释这些张量是什么)。
检查并试图通过查看Keras实现来理解这些张量(这似
浏览 4提问于2017-10-10得票数 40
回答已采纳
1回答
我试图用keras运行一个自动编码器，但我得到了一个形状错误，我已经尝试了一段时间，但仍然得到相同的错误。 df['Amount'] = StandardScaler().fit_transform(df['Amount'].values.reshape(-1, 1))
df0 = df.query('Class==0').sample(20000)
df1 = df.query('Class==1').sample(400)
df = pd.concat([df0, df1])
x_train,
浏览 14提问于2020-11-19得票数 0
1回答
更改Keras图层输出形状
、、、、
我正在开发一个程序，它用一个无步长的Conv2D层(strides = 1)替换步长的Conv2D层(strides = 2)，然后在激活层之后添加一个AveragePooling2D层(strides = 2)。换句话说，AveragePooling2D层将降低输出维度，而不是让Conv2D层降低输出维度。
我使用中描述的方法将Conv2D层替换为无跨距版本，并在激活之后插入AveragePooling2D层。替换Conv2D层可以完美地工作。问题是，激活层的新输出将具有与以前不同的形状。解释说，“多”输出形状是因为现在有两个输出节点连接到激活层，一个节点具有来自步长卷积的旧形状，另一个节点
浏览 45提问于2021-03-07得票数 1
回答已采纳
我想使用计算交叉熵损失。该文档具有以下示例，并指定真实标注和预测标注应具有形状[batch_size]
y_true = [[0., 1.], [0., 0.]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
bce = tf.keras.losses.BinaryCrossentropy()
bce(y_true, y_pred).numpy()
从示例中推断，每个样本的标签格式应为属于0类的概率，属于1类的概率。正确吗？如果是，为什么y_true[1]概率加起来不是1？
浏览 5提问于2021-04-13得票数 1
对于一个特定的问题，我想对Keras模型中一个层的过度兴奋的激活进行正则化。因此，我创建了一个基于高于特定阈值的激活值的自定义丢失。
损失会出现，但不会被优化器减少。只有分类损失被最小化。
使用最新版本的tensorflow 2.0与Keras一起构建模型。我当前的尝试添加了第二个输出，其自定义丢失依赖于特定的层。我已经尝试提供损失作为第二个输入，并将它添加到密集损失，这给了我同样的结果，定制损失没有最小化。
我认为无法计算第二个损失的梯度，但我在PyTorch中有一个工作示例，其中这似乎是可行的。
import tensorflow as tf
import numpy as np
fro
浏览 9提问于2019-10-16得票数 2
回答已采纳
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
我一直在寻找一种方法来使用采样软最大tf.nn.sampled_softmax_loss()作为我的模型之一。我找不到任何能帮助我如何实现它的帖子。
如果有人用keras架构实现了它，请告诉我如何将它与Keras一起使用吗？
现在我可以利用其他损失，
model.compile(loss=tf.keras.losses.CategoricalCrossentropy())
但我不能以那种方式使用tf.nn.sampled_softmax_loss model.compile(loss=tf.nn.sampled_softmax_loss())
我尝试过使用model.compile(loss=
浏览 5提问于2020-01-25得票数 2
回答已采纳
我的keras编解码码在cpu上工作得很好。但是在gpu上，除了1之外，我不能用batch_size启动它！这很奇怪。即使在这种拟合中不使用批处理大小参数，我也会得到：
tensorflow.python.framework.errors_impl.InvalidArgumentError:不兼容形状: 1568对32,49
(默认情况下，keras采用batch_size=32)
我可以用我想要的任何batch_size运行许多其他程序。模块是比较二维对象和一维对象吗？
浏览 1提问于2018-10-28得票数 2
我试图使用斯坦福狗数据集来练习使用图像增强和创建图像分类器。当我训练我的模型时，我总是会犯错误。
我认为我的问题可能与我如何在规范化函数中调整图像大小有关。
以下是代码：
import tensorflow as tf
import tensorflow_datasets as tfds
import tensorflow_hub as hub
from tensorflow.keras import layers
tfds.disable_progress_bar()
import os
import matplotlib.pyplot as plt
import matplotlib.p
浏览 14提问于2022-11-13得票数 0
1回答
我正在尝试训练一个深度神经网络，使其能够根据字符串的值对其进行分类。所以，这意味着我的数据全是文本。然而，它不是句子意义上的文本，这是我在互联网上看到的大多数文本分类主题所谈论的内容。为了让算法起作用，我对输入进行了一次性编码(尽管这些不是分类值，所以我不确定是否有更正确的方法对它们进行编码)并训练模型。然而，问题是，当我尝试运行算法在测试或训练数据集中没有看到的新文本字符串时，算法希望输入是单热编码的训练数据集的形状。我们应该如何训练一个模型，然后改变输入，让它接受一个实际的字符串，而这个字符串的形状不一定与模型的形状相同呢？ 以下是训练数据的示例： SB-01_0-1_20200701
浏览 32提问于2020-07-02得票数 0
回答已采纳
1回答
我创建了一个基本的自定义丢失函数(返回MSE或MAE of y_true和y_pred)。但是，我得到了以下错误：
InvalidArgumentError: reshape的输入是一个包含32个值的张量，但是请求的形状有1[[节点自定义丢失/重塑“)
我传递给model.fit()的model.fit()张量的形状是(44,906,1)，我的顺序模型是：
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LocallyConnected1D(4, kernel_size=(4), strides=2,
浏览 6提问于2021-07-09得票数 0
1回答
我有一个自动编码器模型的，具有多个输出和加权，这是一个想要丰富变成一个变分的自动编码器。我遵循了以下内容：官方keras教程。
但是，如果手动调整train_step函数，我就失去了最初实现的大部分细节：
我得到了两个加权优化目标:重新构造(解码器)和分类(softmax)。
分类的准确性度量
原始的fit方法还负责验证数据和相应的度量。
根据keras链路添加建议的采样层是没有问题的，但是要正确地实现Kullback-Leibler-Loss，因为它依赖于不受标准Keras损失支持的附加参数z_mu和z_log_var。
我寻找一些解决这一问题的解决办法，但没有一个是成功
浏览 3提问于2020-10-06得票数 2
1回答
Keras分类中损失的意义
、、、、
我正在用keras训练一个三层神经网络：
model = models.Sequential()
model.add(Conv2D(32, (3, 3), padding="same",
input_shape=input_shape, strides=2, kernel_regularizer=l2(reg)))
model.add(BatchNormalization(axis=channels))
model.add(Activation("relu"))
model.ad
浏览 1提问于2019-10-31得票数 0
回答已采纳
1回答
当我处理时间序列数据时，我尝试用Conv1D构建我的第一个CNN。我的目标是对1501形状的input_data进行压缩。x_train形状为(550,1501)，我增加了它的尺寸以适应模型。
但是，编译器会抱怨：
ValueError:一个形状为(550,1501，1)的目标阵列被传递给形状输出(None，1500，1)，同时用作丢失的mean_squared_error。此损失期望目标具有与输出相同的形状。
这是密码
import numpy as np
from tensorflow.keras.layers import Input,Dense, Conv1D, MaxPool
浏览 2提问于2019-12-29得票数 1
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
