TensorFlow的可微Hamming损失
TensorFlow是一个开源的机器学习框架，可用于构建和训练各种机器学习模型。Hamming损失是一种在分类问题中常用的损失函数，用于衡量模型预测结果与真实标签之间的差异程度。而可微性是指该损失函数对于模型参数的导数存在且可计算。
Hamming损失可以应用于多标签分类问题，即每个样本可以属于多个类别。它将预测结果和真实标签进行逐位比较，计算两者不相等的位数作为损失值。可微Hamming损失是对传统Hamming损失的改进，使得损失函数在计算梯度时更为平滑。
优势：
- 可微性：可微Hamming损失可以与梯度下降等优化算法结合使用，从而更好地训练模型。
- 适用性广泛：可应用于多标签分类问题，适用于各种需要衡量预测结果和真实标签之间差异的场景。
- 可解释性：可微Hamming损失的计算方式直观简单，易于理解和解释。
应用场景： 可微Hamming损失在各种需要多标签分类的场景中都可以应用，例如图像标注、文本分类和音频分类等。在这些场景中，模型需要对样本进行多个类别的预测，而可微Hamming损失可以有效地衡量预测结果与真实标签的一致性。
腾讯云相关产品推荐： 腾讯云提供了一系列与机器学习和深度学习相关的产品和服务，可以用于构建和训练基于TensorFlow的模型。以下是一些推荐的腾讯云产品和产品介绍链接地址：
- 云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 弹性MapReduce（EMR）：https://cloud.tencent.com/product/emr
- 云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 云原生容器服务（TKE）：https://cloud.tencent.com/product/tke
- 腾讯云物联网套件：https://cloud.tencent.com/product/iot-suite
这些产品和服务可以帮助开发者在腾讯云上搭建和管理基于TensorFlow的机器学习环境，实现模型训练和部署等任务。同时，腾讯云也提供了丰富的文档和技术支持，帮助用户更好地使用这些产品和服务。
相关·内容
我正在使用TensorFlow2.1和Python3，按照教程"Tensorflow - Custom training: walkthrough“创建我的自定义训练模型。 我尝试在我的损失函数上使用汉明距离： import tensorflow as tf
import tensorflow_addons as tfa
def my_loss_hamming(model, x, y):
global output
output = model(x)
return tfa.metrics.hamming.hamming_loss_fn(y, output, thres
浏览 79提问于2020-06-11得票数 1
我尝试使用内置的TensorFlow函数作为损失函数来编译我的模型。这是因为从numpy数组到张量的变化，还是与函数有关。我的代码：
import numpy as np
from pandas import read_csv
from keras.utils import to_categorical
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense, Dropout, Embedding, Flatten, LSTM, TimeDistribu
浏览 3提问于2021-03-16得票数 0
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics=[bin_crossent_true_only, 'binary_crossentropy', 'mean_squared_error', 'accuracy'])
我的培训集有不同大小的时间维度的示例，因此我使用train_on_batch，其中每个批只包含具有相同时间维度的实例。批次大小是256。以下代码在第一个时代(
浏览 0提问于2017-04-20得票数 2
回答已采纳
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
我在TensorFlow文档中遇到了可微性这个术语，但是找不到任何定义。因此，大多数帖子只是询问一个操作是否是可区分的(如或)。
我想这可能与梯度下降和区分目标函数的需要有关。
问题：无论如何，作为一个程序员，我为什么要关心可微性？
浏览 2提问于2020-05-02得票数 1
2回答
我正在尝试用Dice的系数或Jaccard的系数来优化我的网络。我的问题是图像分割问题，因此我的输出是形状的张量(1,256,256，11)。为了计算我的输出和我拍摄的真实图像的交集
tf.argmax(output, axis = 3)
它返回一个"int“的数据类型，tensorflow优化器(特别是AdamOptimizer)似乎不接受这个类型，所以我用
tf.cast(tf.argmax(output, axis = 3), tf.float32)
但是，似乎没有为tf.cast (或tf.argmax )定义梯度。有没有人能够成功地实现
浏览 0提问于2017-03-21得票数 3
1回答
这可能更像是一个Tensorflow梯度问题。我一直试图实现交叉超过联合(IoU)作为损失，并遇到了一些问题。关键是，下面是计算IoU的代码片段：
def get_iou(masks, predictions):
ious = []
for i in range(batch_size):
mask = masks[i]
pred = predictions[i]
masks_sum = tf.reduce_sum(mask)
predictions_sum = tf.reduce_mean(pred)
浏览 2提问于2019-03-29得票数 7
回答已采纳
2回答
问:什么是可微损失函数，为什么重要？
例如，对于给定的输入培训集，损失函数是：L(y,F(x))
这是可以区别的吗？多么?这有什么关系呢？
浏览 0提问于2023-01-23得票数 0
1回答
我想在tensorflow中定义一个基于直方图的丢失函数，但这需要直方图函数来支持渐变，但情况并非如此。例如，使用tf.histogram_fixed_width我得到了一个错误“没有为任何变量提供梯度，检查您的图形中不支持渐变的操作”。因此，我正在寻找一个工作，或一个替代的函数，以计算直方图在tensorflow，支持梯度。
浏览 0提问于2019-06-08得票数 3
1回答
我正在尝试在完全连接的神经网络的输出端找到一个码本，该网络选择的点使得如此产生的码本之间的最小距离(欧几里德范数)最大化。神经网络的输入是需要映射到输出空间的高维的点。
例如，如果输入维度为2，输出维度为3，则以下映射(以及任何排列)效果最好: 00 - 000，01 - 011，10 - 101，11 - 110
import tensorflow as tf
import numpy as np
import itertools
input_bits = tf.placeholder(dtype=tf.float32, shape=[None, 2], name='input_
浏览 0提问于2019-08-19得票数 2
在下面你可以找到我的自定义损失函数。 def custom_loss_function(y_true, y_pred):
y_pred_bool = tf.math.less_equal(y_pred, tf.constant(0.5))
y_pred_float = 1 - tf.cast(y_pred_bool, dtype=tf.int32)
y_true = tf.cast(y_true, dtype=tf.int32)
mask_bool_loss = tf.math.less(y_true, tf.constant(0))
mask_loss = 1
浏览 51提问于2020-11-27得票数 0
回答已采纳
2回答
我正在训练tensorflow的im2txt样本，它会输出损失：
INFO:tensorflow:global step 2174: loss = 3.6930 (15.83 sec/step)
INFO:tensorflow:global step 2175: loss = 3.6651 (15.52 sec/step)
INFO:tensorflow:global step 2176: loss = 3.5733 (18.25 sec/step)
INFO:tensorflow:global step 2177: loss = 3.1979 (18.87 sec/step)
INFO:te
浏览 0提问于2017-02-06得票数 11
1回答
我试图在一个完全连接的神经网络的输出处找到一个码本，该神经网络选择点，这样产生的码本之间的最小距离(欧氏范数)是最大的。输入到神经网络是需要映射到输出空间的高维点。
例如，如果输入维数为2，输出维数为3，则下列映射(以及任何排列)工作得最好: 00 - 000、01 - 011、10 - 101、11 - 110。
import tensorflow as tf
import numpy as np
import itertools
input_bits = tf.placeholder(dtype=tf.float32, shape=[None, 2], name='input_
浏览 0提问于2019-08-20得票数 3
我需要为我的深度网络实现一个新的损失函数，如下所示：
import tensorflow as tf
from tensorflow.python import confusion_matrix
from tensorflow.python.ops import math_ops
from tensorflow.python.ops import array_ops
def gms_loss(targets=None, logits=None, name=None):
#Shape checking
try:
targets.get_shape().merge
浏览 1提问于2017-05-17得票数 0
我正在尝试使用tensorflow后端为keras实现一个自定义丢失函数。我的想法是提供作为y_true的“信号”的“成本”，并将信号作为y_pred处理。这基本上是一个复杂的分类情况。
例如，假设我有3个可能的输出信号和N个样本，那么我将有一个成本矩阵，即Nx3，我的预测也是Nx3 (这样就不会遇到需要相同大小的y_true和y_pred的问题。
我选择实际信号的方式是取三个输出值的最大值，然后这个信号的成本是相应指标的成本矩阵中的值。总成本是这些个人成本的总和。
我已经在tensorflow中实现了这一点(我需要使用gather_nd，所以我不能使用keras.backend，但是我在网上
浏览 1提问于2017-10-30得票数 0
回答已采纳
我正在尝试实现以下
对我来说，最直接的实现是使用torch.max
losses = torch.max(ap_distances - an_distances + margin, torch.Tensor([0]))
但是，我看到其他使用F.relu的
losses = F.relu(ap_distances - an_distances + margin)
它们给了essential相同的输出，但我想知道这两种方法之间是否有根本的区别。
浏览 0提问于2019-04-06得票数 2
1回答
我试图在文本序列(网页标题)上构建一个LSTM自动编码器，主要是通过在中复制上述基本示例。输入的最大标题长度为80 (最大标题长度)，长度为40的热向量(数据集中的ascii字符数)。检查预测的输出与输入相同，因为它是一个自动编码器。我有大约60k的序列来测试这个模型，但最终，我想在320 K的整个集合上运行它。
问题
但问题是，LSTM网络根本没有正确学习。例如，捷克的句子“Realál slavnéderby s Barcelonou”被复制为“###uuu...uuu”(圆点的意思是，u's一直延续到最后)。
在上面的教程中，它没有提到要使用哪些丢失函数、激活函数或优化器，所以我
浏览 2提问于2017-03-15得票数 4
1回答
我试着识别出序列中的转折点，在这些点之后，某些过程表现出不同的行为。我用角膜模型来做这件事。输入是序列(总是相同的长度)，输出应该是拐点之前的0，转折点之后的1。
我希望损失函数取决于实际转折点和预测转折点之间的距离。
我试着旋转(得到标签0或1)，然后把1的总数相加，得到拐点的“指数”。这里假设模型只给出一个转折点，因为数据(综合产生的)也只有一个转折点。试过的是：
def dist_loss(yTrue,yPred):
turningPointTrue = K.sum(yTrue)
turningPointPred = K.sum(K.round(yPred))
浏览 0提问于2019-08-13得票数 1
回答已采纳
1回答
自定义损失函数不可微
、、、、
我正在尝试使用自定义的丢失函数。下面是代码结构：
库:将matplotlib.pyplot导入为plt
将numpy导入为np
将熊猫作为pd导入
将tensorflow作为tf导入
将tensorflow_addons作为tfa导入
导入tensorflow_probability作为tfp\
从tensorflow.keras导入层，损失
从tensorflow.keras.models导入模型
进口串
随机导入
导入数学
进口泡菜\
数据集的形式如下：
https://drive.google.com/file/d/1sB8at-hZl-HXeFyFSp1Mm2Bhd3eV8ZxA/vi
浏览 4提问于2021-06-21得票数 1
回答已采纳
1回答
利用贝叶斯优化(GP)方法寻找良好的超参数的前提之一是未知函数是光滑的。这个假设对神经网络有效吗?或者至少对大多数神经网络是有效的？我们能找到什么推荐信吗？
浏览 0提问于2020-03-31得票数 0
我发现在某些地方，您需要为您的自定义激活定义导数函数。这是真的吗？或者，您所需要做的就是将与tensorflow兼容的函数传递给包装器，然后tensorflow.keras负责其余的工作？ 即。 def my_actv(x):
return x * x
model.add(Activation(my_actv))
浏览 12提问于2020-01-24得票数 0
我正在为caffe中的回归问题完成imagenet。目前我正在使用欧几里登损失，但我不认为它对我的情况有任何好处。
我希望损失值是预测标签和实际标签之间的。我怎样才能做到呢？
请帮帮我！
浏览 1提问于2016-01-04得票数 2
回答已采纳
1回答
对于反向传播如何处理损失函数，我有一些想法，例如：
loss=summation(predicted-true)^2
其中，预测和真实是相同长度和相同操作的向量贯穿于所有元素。
在目标定位问题中，神经网络的输出向量的0^{th}元素表示特定对象在图像中的概率，而rest 4则表示包围盒。现在我的损失函数大概是这样的：
loss=CategoricalCrossentropy(pred[0],true[0])+MSE(pred[1:4]-true[1:4])
这个丢失函数在tensorflow中工作得很好，我的NN如我所期望的那样定位了这个对象。
我的问题是，当不同的运算被应用于不同的元素时，我
浏览 0提问于2021-04-15得票数 0
我正在将DL应用于一个回归问题，其中一些输出需要是整数，而其他输出可以是浮点数。到目前为止，我已经构建了一个神经网络，它为所有的输出返回浮点数，但我想进入下一步，实际返回不同输出的整数和浮点数。 我问了一个问题，我为y = m * x + b提供了一个简单的回归示例，我能够自己解决这个问题。在本例中，如何更改代码以确保b为整数，而m为浮点型？ #!/usr/bin/env python3
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import l
浏览 40提问于2019-12-30得票数 1
根据文献训练huggingface transformers NER模型，评估损失在几个时期后增加，但其他分数(准确性、精确度、召回率、f1)不断变好。这种行为似乎出乎意料，对这种影响有什么简单的解释吗？这能否依赖于给定的数据？
model = TokenClassificationModel.from_pretrained('roberta-base', num_labels=len(tag_values))
model.train()
model.zero_grad()
for epoch in range(epochs):
for bat
浏览 0提问于2020-10-12得票数 1
我为我的研究生研究设计了自己的损失函数，它计算了损失直方图与正态分布之间的距离。我是在设置关于虹膜花分类的Tensorflow 2.0 中实现这个损失函数的。
我检查了我的丢失值和类型，它们与教程中的相同，但是来自我的grads的tape.gradient()是None。
这是在Google Colab中完成的，包括：
TensorFlow version: 2.0.0-beta1
Eager execution: True
我的损失和梯度代码块：
def loss(model, x, y):
y_ = model(x) # y_.shape is (batch_size, 3)
lo
浏览 0提问于2019-06-27得票数 2
我用负二项分布建模变量。与其预测期望值，我更愿意对两个分布参数进行建模。因此，我的神经网络的输出层由两个神经元组成。为此，我需要编写一个自定义丢失函数。但下面的代码不工作-似乎是一个问题的迭代张量。
对于负二项分布，如何用Keras (和TensorFlow)编写损失函数？
我只需要重写这段代码，使用对TensorFlow的张量友好的代码。根据我所得到的错误，也许tensorflow.map_fn可能会导致一个解决方案，但我在这方面没有运气。
这在一般情况下运行良好，但与Keras / Tensorflow不同。
from scipy.stats import nbinom
from kera
浏览 1提问于2019-04-21得票数 4
4回答
我试图在生成的数据上在Tensorflow中创建一个非常简单的二进制分类器。
我从两个独立的正态分布中生成随机数据。然后，如果结果数据小于或大于一个数字，则将其分类为二进制类。
理想情况下，A将是两个法线中间的一个截止点。例如，如果我的数据是由N(1,1) + N(-1,1)生成的，那么A应该是大约0。
我遇到了一个“没有为任何变量提供梯度.”错误。具体地说：
No gradients provided for any variable: ((None, <tensorflow.python.ops.variables.Variable object at 0x7fd9e3fae710&
浏览 4提问于2016-05-02得票数 3
回答已采纳
我正面临着tensorFlow的麻烦。下面的代码没问题。
来自未来导入部门，print_function，absolute_import
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import tensorflow.contrib.slim as slim
from tensorflow.contrib.layers.python.layers import initializers
from tensorflow.python.ops import init_ops
config
浏览 0提问于2018-12-06得票数 1
我正在尝试在keras中为图像分割网络实现一个自定义的损失函数。但是当我训练模型时，我得到的是损失的nan。这是自定义损失函数：
def seedloss(y_true,y_pred):
count = K.sum(K.abs(y_true),axis=[1,2,3],keepdims = True)
loss = -K.mean(K.sum(y_true*K.log(K.abs(y_pred)),axis=[1,2,3],keepdims=True)/(count))
return loss
这是我将Caffe中给定的损失函数转换为keras：
class SeedL
浏览 13提问于2019-10-21得票数 0
更新了，感谢，我能够用tensorflow构建一个工作步骤函数。(见下文代码)
现在我的问题演变成
如何利用在tf_stepy中创建的tensorflow激活函数在keras中工作？
我试图在keras中使用以下代码来利用tf_stepy，但不起作用：
from tensorflow_step_function import tf_stepy
def buy_hold_sell(x):
return tf_stepy(x)
get_custom_objects().update({'custom_activation': Activation(buy_hol
浏览 2提问于2017-07-17得票数 2
与L1-SVM相比，我不太清楚L2-SVM的优点.L2-SVM的效果优于L1-SVM。我不明白。我想知道为什么？
浏览 2提问于2019-12-27得票数 0
回答已采纳
1回答
我在我的数据集上使用tensorflow对象检测api。我使用的是ssd-resnet50-fpn模型。在训练过程中，我看到分类损失和本地化损失已经收敛，但总损失仍在减少。另外，总损失也不是分类损失和定位损失的总和。任何关于为什么会发生这种情况的想法。我正在使用object_detection/ train.py /文件夹中的遗留文件来训练我的数据集。附图相同。
浏览 11提问于2020-02-25得票数 0
我正在测试带有回归问题的Tensorflow框架。我的输入有很多功能，而我的输出只有一个。就目前而言，它是有效的，但我认为我的成本函数对我想要的东西并不准确，所以我的准确率很低。
我的目标是在实际输出的10%范围内预测输出，也就是说，对于每个输出：
if (y_actual - y_predicted) < 0.1 * y_actual :
cost = 0
else :
cost = 1
因此，对于预测的输出向量：[130, 35, 65, 43]与实际输出向量[125, 10, 75, 40]，我的成本应该是2。(130和40在10%，35和65不在10%)
现在，我
浏览 0提问于2016-05-11得票数 1
2回答
我对神经网络中损失和准确性度量的共存感到有点困惑。两者都是为了使y和\hat{y}的比较“准确”，不是吗？那么，这两个冗余不是在训练时代的应用吗？而且，它们为什么没有关联呢？
浏览 0提问于2016-08-25得票数 12
2回答
因此，我正在编写一个GAN神经网络，如果小于0，我希望将网络的输出设置为0，如果大于1，则将网络的输出设置为1，否则保持不变。我对tensorflow非常陌生，但我不知道有任何tensorflow函数或激活可以做到这一点而不会有不必要的副作用。所以我做了我的损失函数，所以它计算损失，就像输出被钳位一样，代码如下：
def discriminator_loss(real_output, fake_output):
real_output_clipped = min(max(real_output.numpy()[0],
0), 1)
fake_output_clippe
浏览 497提问于2020-05-29得票数 1
回答已采纳
当我在自定义损失函数中使用K.round函数时，出现以下错误： ValueError: No gradients provided for any variable: ['sequential_20/dense_240/kernel:0', 'sequential_20/dense_240/bias:0', 'sequential_20/dense_241/kernel:0', 'sequential_20/dense_241/bias:0', 'sequential_20/dense_242/kernel:0'
浏览 102提问于2020-10-19得票数 0
我正在训练一个多标签分类问题的神经网络，所以我的最后一层由n_classes乙状结肠神经元组成。
现在，我知道，这是不可能的学习任务，因为噪音和缺乏可预测的力量在我的特点。然而，我假设可预测的力量应该足以做出好的预测，至少对一些数据点是这样的。即使这些案例只是少数几个，如果神经网络至少获得了那些肯定(高精度)，并错过了绝大多数，因为他们的困难(低回忆)，我会很高兴。
当然，我可以正常地训练模型，然后设定与我的目标相匹配的门槛，但这并不能让我信服。我想在培训过程中介绍这一目标。如果有些地方很难分类，我希望我的神经网络在训练过程中发现，忘记它们，把注意力集中在其他更可行的案例上。
到目前为止，我唯
浏览 0提问于2020-05-03得票数 1
我正在尝试使用Pytorch建立分段模型，并实现自定义的IoULoss def IoULoss(inputs, targets, smooth=1e-6):
inputs = (inputs.view(inputs.size(0), -1) > 0.5)
targets = targets.view(targets.size(0), -1)
intersection = (inputs & targets).float().sum(1)
union = (inputs | targets).float().sum(1)
IoU = (in
浏览 96提问于2021-10-18得票数 0
我现在读了一本书，书名为“与Scikit一起动手机器学习-学习和TensorFlow”，在第11章中，它对ELU (指数型ReLU)的解释有如下描述。
第三，函数在任何地方都是平滑的，包括z= 0附近，这有助于加速梯度下降，因为它没有像z= 0那样左右弹跳。
📷
z指的是上图中的x轴.我知道导数是光滑的，因为z < 0线有一条曲线，在那个领域，导数不再等于0。
然而，为什么如果函数“在任何地方都是光滑的，包括在z=0周围”，它就会加速梯度下降？
浏览 0提问于2017-08-07得票数 10
我是ML的新手，我刚刚学习了线性回归和逻辑回归。我想知道这些成本函数是如何决定的，以及这些函数是如何推导出来的？我们如何知道这些成本函数是否适用于特定的问题？
换句话说，我不确定如何证明这些成本函数对于特定问题是准确和合适的。我们有时会在ML中的任何时候想出我们自己的成本函数吗？
浏览 0提问于2017-06-25得票数 1
1回答
我在第二层使用乙状结肠激活，然后在最后一层使用tf.images.resize_images()进行调整大小。
目标张量的最大值为1.0。在骰子错误成本函数中。
def dice(y_true, y_pred):
return 1.0-dice_coef(y_true, y_pred, 1e-5, 0.5)
def dice_coef(y_true, y_pred, smooth, thresh, axis = [1,2,3]):
y_pred = K.round(y_pred)
inse = K.sum(K.dot(y_true, K.transpose(y_pre
浏览 4提问于2017-09-12得票数 2
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
1回答
我正在使用一些递归的神经网络结构进行多标签分类。我的问题是关于丢失函数:我的输出将是true/false (1/0)值的向量，以指示每个标签的类。许多资源都说哈明损失是合适的目标。然而，汉明损耗在梯度计算中存在一个问题：H =平均值(y_true XOR y_pred)，XOR不能求出损耗的梯度。那么，还有其他损失函数来训练多标签分类吗？我试过用MSE和二进制交叉熵来输入乙状结肠。
浏览 1提问于2017-02-08得票数 5
回答已采纳
我正在阅读tensorflow模型的faster-rcnn代码。我对tf.stop_gradient的使用感到困惑。
考虑以下代码片段：
if self._is_training:
proposal_boxes = tf.stop_gradient(proposal_boxes)
if not self._hard_example_miner:
(groundtruth_boxlists, groundtruth_classes_with_background_list, _,
groundtruth_weights_list
) = self._fo
浏览 2提问于2019-05-09得票数 7
回答已采纳
1回答
我对预测的神经网络有问题。
y_predicted = self.net(x)
z_predicted = self.calculate_z(y_predicted)
我想将y和z的预测损失降到最低，但是self.calculate_z方法是不确定的，并通过仿真进行了应用。有没有办法将z_predicted和z_real之间的损失计算在内？
上面是我想做的一个例子：(x输入，y_real (真实目标1)，z_real (实际目标2)，self.net (神经网络))
def example(self, x, y_real, z_real):
y_predicted = self.net
浏览 7提问于2022-05-25得票数 0
直截了当地说，这是我的Keras模型：
from tensorflow.keras import layers, models, Input, backend as K
import tensorflow as tf
input_layer = Input(shape=(1,), name="input")
x = layers.Dense(128, activation='relu', name="dense_1")(input_layer)
x = layers.Dense(1024, activation='softmax
浏览 9提问于2021-12-28得票数 0
1回答
作为度量或损失的联合上的交
、、、、
我目前正在努力理解IoU的使用。IoU只是用来监视网络质量的度量，还是用作一个损失函数，在这个函数中值对后端有一定的影响？
浏览 5提问于2021-12-05得票数 1
回答已采纳
1回答
我在使这个自定义丢失函数(它检查y_pred数据是否与y_true提供的实际排序索引一致)方面存在一些问题：
def custom_objective(y_true, y_pred):
y_true = tf.cast(y_true, tf.float32)
ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32)
return tf.sqrt(tf.reduce_mean(tf.square(ordered_output - y_true), axis=-1))
我可以使用示例数据正确地运行它
浏览 4提问于2017-02-28得票数 3
2回答
我的一位教授给了我一个小脚本，他用它来可视化他的神经网络在每个学习时代之后的演变。这是一个包含3个值的曲线图:训练损失、训练错误和测试错误。
前两个有什么不同？
浏览 0提问于2016-07-11得票数 7
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
