Пользовательская функция потерь: выполнить model.predict для данных в y_pred

Я обучаю сеть шумоподавлению изображений, для этого я использую набор данных CIFAR10. Я пытаюсь создать настраиваемую функцию потерь, чтобы потеря была mse / classification_accuracy. Учитывая, что моя сеть получает на входе 32x32 (зашумленные) изображения и предсказывает 32x32 (с шумоподавлением) изображения, я предполагаю, что y_pred и Y_true будут массивами 32x32 изображений. Таким образом, мои пользовательские функции потерь выглядят так:

def custom_loss():
    def joint_optimized_loss(y_true, y_pred):
        mse =  K.mean(K.square(y_pred - y_true), axis=-1)
        preds = classif_model.predict(y_pred)
        correctPreds = 0
        totPreds = 0
        for pred in preds:
            predictedClass = pred.index(max(pred))
            totPreds += 1
            if predictedClass == currentClass: 
                correctPreds += 1
        classifAccuracy = correctPreds / totPreds
        loss = mse / classifAccuracy
        return loss
    return joint_optimized_loss
myModel.compile(optimizer='adadelta', loss=custom_loss())

classif_model - это предварительно обученная модель, которая классифицирует изображения CIFAR10 в один из 10 классов. Он получает массив изображений 32x32.

Однако, когда я запускаю свой код, я получаю следующую ошибку:

Отслеживание (последний вызов последний):

Файл "myCode.py", строка 94, в

myModel.compile (optimizer = 'adadelta', loss = custom_loss ()) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py", строка 850 , в компиляции

sample_weight, mask) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py", строка 450, во взвешенном

score_array = fn (y_true, y_pred) Файл "myCode.py", строка 57, в Joint_optimized_loss

preds = classif_model.predict (y_pred) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/models.py", строка 913, в прогнозе

return self.model.predict (x, batch_size = batch_size, verbose = verbose) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py", строка 1713 г., в прогнозе

verbose = verbose, steps = steps) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py", строка 1260, в _predict_loop

batches = _make_batches (num_samples, batch_size) Файл "/home/rvidalma/anaconda2/envs/tensorUpdated/lib/python2.7/site-packages/keras/engine/training.py", строка 374, в _make_batches

num_batches = int (np.ceil (size / float (batch_size)))
AttributeError: объект 'Dimension' не имеет атрибута 'ceil'

Я думаю, это как-то связано с тем фактом, что y_true и y_pred являются тензорами, которые перед обучением пусты, поэтому classif_model.predict не работает, поскольку ожидает массив. Однако я не уверен, как это исправить ...

Я попытался получить вместо этого значение y_pred с помощью K.get_value(y_pred), но это привело к следующей ошибке:

tenorflow.python.framework.errors_impl.InvalidArgumentError: фигура [-1,32,32,3] имеет отрицательные размеры [[Node: input_1 = Placeholderdtype = DT_FLOAT, shape = [?, 32,32,3], _device = "/ задание: localhost / реплика: 0 / задача: 0 / процессор: 0 "]]


keras tensorflow metrics loss-function loss
person rovim    schedule 30.12.2017    source источник

Ответы (2)


arrow_upward
1
arrow_downward

Вы не можете использовать точность как функцию потерь, поскольку она не дифференцируема. Вот почему вместо этого используются верхние границы точности, такие как кросс-энтропия.

Кроме того, способ, которым вы реализовали точность, также не является символическим, вам следовало использовать только функции в keras.backend, чтобы реализовать потерю, чтобы она работала правильно.

person Dr. Snoopy    schedule 30.12.2017

arrow_upward
0
arrow_downward

У меня была почти такая же проблема, и я попробовал это, и у меня это сработало.

Вместо того:

preds = classif_model.predict (y_pred)

пытаться:

preds = classif_model (y_pred)

Я не уверен в причине, но это потому, что, когда мы используем model.predict (y), ему нужен batch_size, а во время компиляции у нас его нет, поэтому мы не можем использовать model.predict (y). Пожалуйста, поправьте меня, если это не так.

person Narayan Kothari    schedule 25.05.2018