- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在使用函数模型 API,我想在 Keras 中创建以下自定义损失函数:
我正在实现一个无监督的 CNN,值 Ix、Iy、It 和 epsilon 是常量,u 和 v 是我要学习的参数。
到目前为止,我的尝试失败了,当我尝试训练模型时,我的模型返回了一个 ValueError,显示“不支持任何值”。搜索谷歌后我发现这是由于我的损失不可微分。
有人可以告诉我如何以 Keras 可微分的方式正确创建此损失函数吗?我的代码如下,如有任何帮助,我们将不胜感激。
def charbonnier(I_x, I_y, I_t, U, V, e):
def charb(y_true, y_pred):
loss = K.sqrt(K.pow((multiply([U, I_x]) + multiply([V, I_y]) + I_t), 2) + e)
return K.mean(loss, axis=-1)
return charb
# Return the tf session used by the backend (optional)
tf_session = K.get_session()
def cnn(frame1, frame2):
# Concatenate the two images into one tensor.
input_ = np.dstack((frame1, frame2))
input_ = np.expand_dims(input_, axis=0)
print(input_.shape)
# Compute derivatives
I_x, I_y, I_t = compute_derivatives(input_)
#input_ = K.variable(input_)
inp_shape = (1, frame1.shape[0], frame1.shape[1], 2)
inp = Input(batch_shape=inp_shape)
conv1 = Conv2D(256, (7, 7), activation='relu', padding='same')(inp)
conv2 = Conv2D(256, (5, 5), activation='relu', padding='same')(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2))(conv2)
conv3 = Conv2D(512, (5, 5), activation='relu', padding='same')(pool1)
conv4 = Conv2D(512, (3, 3), activation='relu', padding='same')(conv3)
pool2 = MaxPooling2D(pool_size=(2, 2))(conv4)
conv5 = Conv2D(512, (3, 3), activation='relu', padding='same')(pool2)
conv6 = Conv2D(512, (3, 3), activation='relu', padding='same')(conv5)
pool3 = MaxPooling2D(pool_size=(2, 2))(conv6)
conv7 = Conv2D(1024, (3, 3), activation='relu', padding='same')(pool3)
conv8 = Conv2D(512, (1, 1), activation='relu', padding='same')(conv7)
pool4 = MaxPooling2D(pool_size=(2, 2))(conv8)
conv9 = Conv2D(256, (5, 5), activation='relu', padding='same')(pool4)
upsample1 = UpSampling2D(size=(2, 2))(conv9)
conv10 = Conv2D(128, (5, 5), activation='relu', padding='same')(upsample1)
upsample2 = UpSampling2D(size=(2, 2))(conv10)
conv11 = Conv2D(64, (5, 5), activation='relu', padding='same')(upsample2)
upsample3 = UpSampling2D(size=(2, 2))(conv11)
conv12 = Conv2D(2, (15, 13), padding='same')(upsample3)
leaky_relu = LeakyReLU(alpha=0.3)(conv12)
upsample4 = UpSampling2D(size=(2, 2), name='flow')(leaky_relu)
model = Model(inputs=inp, outputs=upsample4)
U = K.variable(model.output[0, :, :, 0])
V = K.variable(model.output[0, :, :, 1])
e = K.constant(0.1)
c_loss = charbonnier(I_x, I_y, I_t, U, V, e)
model.compile(loss=c_loss, optimizer='adam')
model.fit(input_, input_, batch_size=1, epochs=10)
model.evaluate()
最佳答案
已解决。
变量 U 和 V 应按如下方式创建:
U = model.output[0, :, :, 0]
V = model.output[0, :, :, 1]
关于python - 如何在 Keras 中创建这个自定义损失函数并确保它是可微的?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49458833/
我有兴趣在 tf.keras 中训练一个模型,然后用 keras 加载它。我知道这不是高度建议,但我对使用 tf.keras 来训练模型很感兴趣,因为 tf.keras 更容易构建输入管道 我想利用
我进行了大量搜索,但仍然无法弄清楚如何编写具有多个交互输出的自定义损失函数。 我有一个神经网络定义为: def NeuralNetwork(): inLayer = Input((2,));
我正在阅读一篇名为 Differential Learning Rates 的文章在 Medium 上,想知道这是否可以应用于 Keras。我能够找到在 pytorch 中实现的这项技术。这可以在 K
我正在实现一个神经网络分类器,以打印我正在使用的这个神经网络的损失和准确性: score = model.evaluate(x_test, y_test, verbose=False) model.m
我最近在查看模型摘要时遇到了这个问题。 我想知道,[(None, 16)] 和有什么区别?和 (None, 16) ?为什么输入层有这样的输入形状? 来源:model.summary() can't
我正在尝试使用 Keras 创建自定义损失函数。我想根据输入计算损失函数并预测神经网络的输出。 我尝试在 Keras 中使用 customloss 函数。我认为 y_true 是我们为训练提供的输出,
我有一组样本,每个样本都是一组属性的序列(例如,一个样本可以包含 10 个序列,每个序列具有 5 个属性)。属性的数量总是固定的,但序列的数量(时间戳)可能因样本而异。我想使用这个样本集在 Keras
Keras 在训练集和测试集文件夹中发现了错误数量的类。我有 3 节课,但它一直说有 4 节课。有人可以帮我吗? 这里的代码: cnn = Sequential() cnn.add(Conv2D(32
我想编写一个自定义层,在其中我可以在两次运行之间将变量保存在内存中。例如, class MyLayer(Layer): def __init__(self, out_dim = 51, **kwarg
我添加了一个回调来降低学习速度: keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=100,
在 https://keras.io/layers/recurrent/我看到 LSTM 层有一个 kernel和一个 recurrent_kernel .它们的含义是什么?根据我的理解,我们需要 L
问题与标题相同。 我不想打开 Python,而是使用 MacOS 或 Ubuntu。 最佳答案 Python 库作者将版本号放入 .__version__ 。您可以通过在命令行上运行以下命令来打印它:
Keras 文档并不清楚这实际上是什么。我知道我们可以用它来将输入特征空间压缩成更小的空间。但从神经设计的角度来看,这是如何完成的呢?它是一个自动编码器,RBM吗? 最佳答案 据我所知,嵌入层是一个简
我想实现[http://ydwen.github.io/papers/WenECCV16.pdf]中解释的中心损失]在喀拉斯 我开始创建一个具有 2 个输出的网络,例如: inputs = Input
我正在尝试实现多对一模型,其中输入是大小为 的词向量d .我需要输出一个大小为 的向量d 在 LSTM 结束时。 在此 question ,提到使用(对于多对一模型) model = Sequenti
我有不平衡的训练数据集,这就是我构建自定义加权分类交叉熵损失函数的原因。但问题是我的验证集是平衡的,我想使用常规的分类交叉熵损失。那么我可以在 Keras 中为验证集传递不同的损失函数吗?我的意思是用
DL 中的一项常见任务是将输入样本归一化为零均值和单位方差。可以使用如下代码“手动”执行规范化: mean = np.mean(X, axis = 0) std = np.std(X, axis =
我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够绘制 准确率和损失,并在训练期间更新图。为此,我正在使用 callback function . 由于某种原因,我在回调中收到的准
在 Keras 内置函数中嵌入使用哪种算法?Word2vec?手套?其他? https://keras.io/layers/embeddings/ 最佳答案 简短的回答是都不是。本质上,GloVe 的
我有一个使用 Keras 完全实现的 LSTM RNN,我想使用梯度剪裁,梯度范数限制为 5(我正在尝试复制一篇研究论文)。在实现神经网络方面,我是一个初学者,我将如何实现? 是否只是(我正在使用 r
我是一名优秀的程序员,十分优秀!