Tensorflow 2:自定义损失函数与原始Keras SparseCategoricalCrossentropy的工作方式不同
Tensorflow 2是一个开源的机器学习框架，用于构建和训练各种机器学习模型。在Tensorflow 2中，自定义损失函数与原始Keras SparseCategoricalCrossentropy的工作方式有一些不同之处。
自定义损失函数是根据特定问题的需求而编写的损失函数。与使用内置的损失函数不同，自定义损失函数可以提供更大的灵活性和个性化的模型训练。自定义损失函数可以根据模型的输出和真实标签之间的差异来计算损失值，并用于优化模型的参数。
与原始Keras SparseCategoricalCrossentropy相比，自定义损失函数的工作方式可以根据具体需求进行定制。自定义损失函数可以根据问题的特点来设计，例如加入额外的惩罚项、调整权重等。这使得自定义损失函数能够更好地适应不同的任务和数据集。
在Tensorflow 2中，可以通过编写一个Python函数来定义自定义损失函数。该函数接受模型的输出和真实标签作为输入，并返回损失值。以下是一个示例：
import tensorflow as tf
def custom_loss(y_true, y_pred):
# 自定义损失函数的计算逻辑
loss = tf.reduce_mean(tf.square(y_true - y_pred))
return loss
# 使用自定义损失函数
model.compile(optimizer='adam', loss=custom_loss)在上述示例中，自定义损失函数计算了预测值和真实标签之间的平方差，并返回平均损失值。可以根据具体需求修改计算逻辑。
对于Tensorflow 2中的自定义损失函数，腾讯云提供了一系列相关产品和服务，例如腾讯云AI平台（https://cloud.tencent.com/product/ai）和腾讯云机器学习平台（https://cloud.tencent.com/product/ml）等。这些产品和服务可以帮助用户在云端进行机器学习模型的训练和部署，并提供了丰富的工具和资源来支持自定义损失函数的使用。
需要注意的是，本回答中没有提及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行的云计算品牌商，因为题目要求不提及这些品牌商。
相关·内容
我想用keras的预训练模型进行迁移学习
import tensorflow as tf
from tensorflow import keras
base_model = keras.applications.MobileNetV2(input_shape=(96, 96, 3), include_top=False, pooling='avg')
x = base_model.outputs[0]
outputs = layers.Dense(10, activation=tf.nn.softmax)(x)
model = keras.Model(inputs=base
浏览 0提问于2019-07-30得票数 1
关于Tensorflow/Keras SparseCategoricalcrossEntropy。
SparseCategoricalcrossEntropy(from_logits=True)期望使用softmax还没有规范化的逻辑。那么SparseCategoricalcrossEntropy在内部应用softmax吗？
我认为在内部不需要应用softmax，因为采用argmax会给出预期的索引。
请帮忙澄清。
浏览 0提问于2021-07-03得票数 0
回答已采纳
1回答
我在Keras的自定义损失函数上遇到了问题。这些任务看起来相当简单，但由于意外的行为而无法进行。这个想法是用一些额外的东西加入tf.keras.losses.SparseCategoricalCrossentropy。首先我想确认，如果我只是在自定义损失函数中使用稀疏分类交叉，它不会改变网络训练。
默认解决方案是设置
model.compile(loss="sparse_categorical_crossentropy",...)
这是没有问题的。网络学习并显示出训练和验证准确性的改进。
但是，当我定义自定义损失时
def new_loss(y_true,y_pred):
浏览 0提问于2020-08-16得票数 1
我在CNN的一个基础节目中遇到了这个错误：
AttributeError：'SparseCategoricalCrossentropy‘对象没有属性'name’
我以为你可以把loss=tf.metrics.SparseCategoricalCrossentropy()设为model.compile()
import tensorflow as tf
import tensorflow_datasets as tfds
import numpy as np
import matplotlib.pyplot as plt
tf.random.set_seed(42)
t
浏览 4提问于2021-01-25得票数 0
回答已采纳
2回答
我使用的是EfficientNetV2B0，一切都很完美，直到我试着适应这个模型。在train_generator上，我尝试了class_mode =‘稀疏’，以及class_mode =‘分类’，它抛出了不同类型的错误消息。我花了几天时间，但我解决不了，有人能帮忙吗？
在这里，完整的错误消息：
ValueError: in user code:
File "/Users/ba/opt/anaconda3/envs/tensorflow/lib/python3.8/site-packages/keras/engine/training.py", line 1051, in t
浏览 26提问于2022-07-13得票数 0
对于tf.keras.losses.SparseCategoricalCrossentropy()，TensorFlow的文档表示
"Use this crossentropy loss function when there are two or more label classes."
由于它包含两个或多个标签，包括二进制分类，那么这是否意味着我可以使用这个损失函数来解决任何分类问题？我什么时候必须使用那些二进制丢失，如tf.keras.losses.BinaryCrossentropy和类似的？
我使用的是TensorFlow 2.3.1
浏览 3提问于2021-10-05得票数 1
回答已采纳
在tensorflow 2.0中，您不必担心培训阶段(批大小、历元数等)，因为一切都可以在compile方法：model.fit(X_train,Y_train,batch_size = 64,epochs = 100)中定义。
但是，我看到了以下代码样式：
optimizer = tf.keras.optimizers.Adam(0.001)
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy()
@tf.function
def train_step(inputs, labels):
with tf.GradientTape
浏览 2提问于2019-09-27得票数 0
回答已采纳
1回答
我正在尝试理解具有视觉注意力的图像字幕的TensorFlow实现。我知道SparseCategoricalCrossentropy是什么，但是loss_function在做什么呢？有人能解释一下吗？
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(
from_logits=True, reduction='none')
def loss_function(real, pred):
mask = tf.math.logical_not(tf.math.equal(real, 0))
loss
浏览 7提问于2021-03-04得票数 0
回答已采纳
这是tf 2.3.0。在训练期间，SparseCategoricalCrossentropy损失和sparse_categorical_accuracy的报告值似乎相差很远。我检查了我的代码，但还没有发现任何错误。下面是重现的代码： import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
x = np.random.randint(0, 255, size=(64, 224, 224,
浏览 85提问于2020-10-18得票数 5
我正在研究从英语到德语的句子翻译问题。因此，最后的输出是一个德国序列，我需要检查我的预测有多好。
我在tensorflow教程中发现了以下损失函数：
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True, reduction='none')
def loss_function(real, pred):
mask = tf.math.logical_not(tf.math.equal(real, 0))
loss_ = loss_object(real, pred
浏览 6提问于2020-07-15得票数 0
回答已采纳
我有一个多类分类器，我也想查询一个中间层的输出。
inputs = Input(...)
...
fc = Dense(32, activation='relu', name='FC_1')(layer)
x = Dense(num_cats, activation='softmax', name='Softmax')(fc)
outputs = {
'predictions': x,
'fc': fc,
}
model = Model(inputs=inputs, outp
浏览 17提问于2022-05-25得票数 0
回答已采纳
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
我尝试用keras学习一个网络来学习y=x**2，但是锐度是0；我是通过阅读文档来编写这段代码的。
import numpy as np
import tensorflow as tf
from tensorflow import keras
from keras import layers
inputs=keras.Input(shape=(1,))
x= layers.Dense(64, activation="relu")(inputs)
x2 = layers.Dense(64, activation="relu")(x)
outputs = layer
浏览 2提问于2022-09-21得票数 0
回答已采纳
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
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
我试图在这里使用SparseCategoricalCrossEntropy进行一些定制，但当概率和不等于1时，我认为这个值不是我在这里期望的值。 import numpy as np
import tensorflow as tf
cce = tf.keras.losses.SparseCategoricalCrossentropy(reduction=Reduction.NONE)
loss = cce(
tf.constant([0, 1, 2]),
tf.constant([[.9, .05, .05], [.5, .89, .6], [.05, .01, .94]]))
p
浏览 23提问于2020-01-05得票数 1
回答已采纳
尝试在GPU上训练UNet生成二值分类图像。每一个时代都有南的损失。损耗函数的测试总是产生nan-返回.
测试用例：
import tensorflow as tf
import tensorflow.keras.losses as ls
true = [0.0, 1.0]
pred = [[0.1,0.9],[0.0,1.0]]
tt = tf.convert_to_tensor(true)
tp = tf.convert_to_tensor(pred)
l = ls.SparseCategoricalCrossentropy(from_logits = True)
ret = l(t
浏览 1提问于2020-07-06得票数 1
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
对于多类分类问题，Keras和tf.keras有像SparseTopKCategoricalAccuracy和TopKCategoricalAccuracy这样的度量标准。但是，如果使用损失函数(如SparseCategoricalCrossentropy或CategoricalCrossentropy )，则无法达到这两个指标的最大值。
当一个人想要最大化SparseTopKCategoricalAccuracy或TopKCategoricalAccuracy时，什么是一个很好的损失函数？
我知道SparseTopKCategoricalAccuracy是不可微的，就像精度一样。我试图找到一
浏览 1提问于2020-09-19得票数 3
我试图在tensorflow的自定义损失函数中使用一个已经基于NN的训练模型。但是在另一个模型中使用这个自定义丢失函数时，我得到了一个错误。有人能帮我找出我在设计这个定制丢失函数时所犯的错误吗？
自定义丢失函数代码是以下
def custom_loss_function(y_true, y_pred):
model1= tf.keras.models.load_model('Loss_DT_Model')
test_pred = model1.predict(y_pred)
test_pred_revert = tf.math.arg
浏览 1提问于2021-08-17得票数 0
回答已采纳
在Tensorflow2中，我可以使用类tf.keras.losses.CategoricalCrossentropy ()或函数categorical_crossentropy ()来计算标签和预测之间的交叉熵损失：
对于第一个代码，代码是：
loss_object = tf.keras.losses.SparseCategoricalCrossentropy()
# ...
@tf.function
def train_step(samples, labels):
with tf.GradientTape() as tape:
浏览 5提问于2020-01-14得票数 5
回答已采纳
我是ML的新手。我正在尝试使用tensorflow实现一个多标签分类器
我已经在网上搜索过了，但没有结果。也许我把基本知识搞错了？
实现的代码如下：
import pandas as pd
import tensorflow as tf
train=pd.read_csv('data/train.csv',header=None)
print(train.columns)
columns=[294,295,296,297,298,299]
train_x=train.drop(columns,axis=1)
train_y=train[columns]
train_x=tra
浏览 0提问于2020-03-09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
1回答
对于这个新手问题，我很抱歉，我试图用Keras来训练一个回归模型，但是我在model.fit()中遇到了一个错误。
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
inputs = keras.Input(shape=(6,5), name="digits")
x = layers.Dense(64, activation="relu", name="dense_1")(inpu
浏览 6提问于2021-12-07得票数 1
回答已采纳
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
当我运行这段代码时：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(-1, 784).astype("float32") / 255.0
x_test = x_test.reshape(-1, 7
浏览 3提问于2022-10-06得票数 0
我正在尝试使用Keras的functional API来处理多个输入，并使用自定义的损失函数RMSLE。下面是我的代码： import tensorflow as tf
from tensorflow.keras.layers import *
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras import backend as K
from tensorflow.keras.losses import MeanSquaredLogarithmicError
def rmsle(y_tru
浏览 185提问于2021-08-11得票数 1
回答已采纳
1回答
我正在运行关于知识蒸馏的Keras示例，我的问题是:我可以用来进行预测的结果压缩模型是蒸馏器还是学生模型？在这种情况下，如何添加softmax分类层并使用结果模型运行预测？
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
batch_size = 64
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.
浏览 6提问于2022-09-04得票数 0
回答已采纳
1回答
我正在尝试将LogCosh函数实现为自定义损失函数。当我这样做时，我得到了一个错误，因为拟合阶段将NaN作为损失。更奇怪的是，当我运行它时，它开始给出损失的实际值，然后到达一个点，它再次开始返回NaN。
我的模型：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(81,)),
tf.keras.layers.Dens
浏览 4提问于2021-04-28得票数 0
对于我正在进行的一个项目，我在TensorFlow中创建了一个简单的模型，它由一个密集的特性层和三个密集的层组成。
def build_model(arguments):
model = tf.keras.Sequential([
tf.keras.layers.DenseFeatures(arguments),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(128, activation='relu'),
浏览 6提问于2020-08-20得票数 2
回答已采纳
我在phyton中使用keras来完成我在神经元网络中的第一步。我训练了一个模型来识别30 px30 to的图像。
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.python.keras import Sequential
train_ds = keras.preprocessing.image_dataset_from_directory('images&#
浏览 15提问于2021-10-02得票数 2
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
我正在实现一个自定义损失函数，如下面的代码所示，用于简单的分类。但是，当我运行代码时，我得到错误ValueError:没有为任何变量提供渐变： import os
os.environ['KERAS_BACKEND'] = "tensorflow"
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from tensorflow import keras
from tensorflow.keras import layers
from sklearn.prep
浏览 32提问于2021-02-04得票数 0
我正在尝试转换我与tensorflow层编写的CNN，以使用tensorflow中的keras (我正在使用Tf1.x提供的keras )，并且正在编写一个定制的丢失函数，以训练模型。
根据本指南，在定义丢失函数时，它需要参数(y_true, y_pred)
def basic_loss_function(y_true, y_pred):
return ...
但是，在我看到的每一个例子中，y_true都与模型有着某种直接的联系(在简单的情况下，它是网络的输出)。在我的问题上，情况并非如此。如果我的损失函数依赖于一些与模型的张量无关的训练数据，那么如何实现这一点？
具体而言，我的问题
浏览 3提问于2020-02-04得票数 4
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
这是我的模型，我在TensorFlow中实现过一次。
def create_compiled_keras_model():
inputs = Input(shape=(7, 20, 1))
l0_c = Conv2D(32, kernel_size=(7, 7), padding='valid', activation='relu')(inputs)
l1_c = Conv2D(32, kernel_size=(1, 5), padding='same', activation='relu')(l0_c)
浏览 22提问于2020-02-29得票数 1
回答已采纳
我试图在TensorFlow中理解这个损失函数，但我不明白。是SparseCategoricalCrossentropy.所有其他损失函数都需要相同形状的输出和标签，这个特定的丢失函数不需要。
源代码：
import tensorflow as tf;
scce = tf.keras.losses.SparseCategoricalCrossentropy();
Loss = scce(
tf.constant([ 1, 1, 1, 2 ], tf.float32),
tf.constant([[1,2],[3,4],[5,6],[7,8]], tf.float
浏览 22提问于2020-01-17得票数 22
回答已采纳
1回答
如何在使用Tensorflow作为后台的情况下，在keras中实现BCEWithLogitsLoss，并将其作为自定义损失函数。 我在PyTorch中使用了torch中定义的BCEWithLogitsLoss。 如何在Keras中实现同样的功能？
浏览 38提问于2019-04-15得票数 2
回答已采纳
1回答
我正在使用Tensorflow对一些CNN网络进行专有数据培训。我们有大量的数据，而且这些模型似乎能够学习大量关于数据分类的信息(到目前为止都是二进制分类)。
有时，列车/测试精度曲线可以非常好，在某些情况下达到95%以上。然而，损失函数在规模上是可疑的。从视觉上看，它们看上去还不错，而且我对某些东西的期望也很好，但这并不是正确的数量级。
有人能告诉我，在TF/Keras中，这种缩放通常是如何进行的吗？我对这些模型很有信心，因为它们已经在其他数据集上进行了测试，并且很好地推广了，但是螺旋损失函数并不是很好的报告。
学习率约为0.0001。L1和L2使用相同的lambda值，在向模型提供0.01
浏览 1提问于2021-05-14得票数 0
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
1回答
我正在用tensorflow做一些测试，我无意中发现了一种非常奇怪的行为。这是我的密码
fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images1, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
train_images = train_images1[:32] / 255.0
train_labels = train_labels[:32]
test_images = test_images / 255.0
batch_size =
浏览 0提问于2021-02-09得票数 0
回答已采纳
1回答
我试图使用经过预先训练的Xception模型和新添加的分类器来进行传输学习。
这就是模式：
base_model = keras.applications.Xception(
weights="imagenet",
input_shape=(224,224,3),
include_top=False
)
我使用的数据集是直接从tensorflow数据集中获取的oxford_flowers102。是一个数据集页面。
--我在选择一些参数时遇到了问题----要么训练精度显示出可疑的低值，要么出现错误。
我需要帮助为这个(oxford_flowers102)数
浏览 2提问于2021-06-05得票数 4
回答已采纳
我正在运行这个Tensorflow NMT教程：
当我尝试保存解码器：decoder.save('decoder')时，我得到：
AssertionError: Tried to export a function which references untracked object Tensor("LuongAttention/memory_layer/Tensordot:0", shape=(1024, 23, 256), dtype=float32).TensorFlow objects (e.g. tf.Variable) captured by func
浏览 0提问于2020-11-16得票数 1
2回答
为什么我的代码输出nan？我使用的是具有30x1输入向量和单个值输出的顺序模型。我用的是tensorflow和python。这是我的第一次
While True:
# Define a simple sequential model
def create_model():
model = tf.keras.Sequential([
keras.layers.Dense(30, activation='relu',input_shape=(30,)),
keras.layers.Dense(12, activation='relu'
浏览 17提问于2022-09-20得票数 0
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
我正在尝试用这个自定义损失函数训练我的模型：1 其中S(pn;ω)是预测值(y_pred)，MOSn是目标(y_true)，所以我是这样写的： import keras.backend as K
def custom_loss_function(y_true,y_pred):
for i in range(1,n+1):
l= K.abs(y_pred-y_true)
l = K.mean(l, axis=-1)
return l 然后我构建了我的模型： #Model definition
from keras import models
from keras i
浏览 407提问于2021-10-27得票数 0
回答已采纳
我正在阅读tensorflow中的自定义丢失函数，并正在阅读教程页面中提供的示例(请参阅下面的链接)。
下面是链接中提供的一个简单的损失。
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
def loss(model, x, y, training):
y_ = model(x, training=training)
return loss_object(y_true=y, y_pred=y_)
按照这个例子，作者提到了Use the tf.GradientTape cont
浏览 13提问于2022-01-09得票数 0
回答已采纳
我已经尝试过获得Tensorflow和Py火炬CrossEntropyLoss，但是它返回不同的值，我不知道为什么。请查找以下代码和结果。感谢您的投入和帮助。
import tensorflow as tf
import numpy as np
y_true = [3, 3, 1]
y_pred = [
[0.3377, 0.4867, 0.8842, 0.0854, 0.2147],
[0.4853, 0.0468, 0.6769, 0.5482, 0.1570],
[0.0976, 0.9899, 0.6903, 0.0828, 0.0647]
]
scce3
浏览 7提问于2022-06-14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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
