AttributeError: объект 'NoneType' не имеет атрибута '_inbound_nodes'

Я хочу реализовать определенную здесь функцию потерь. Я использую fcn-VGG16 для получения карты x и добавляю слой активации (x - вывод сети fcn vgg16). А затем просто несколько операций по извлечению функций.

co_map = Activation('sigmoid')(x)
#add mean values
img = Lambda(AddMean, name = 'addmean')(img_input)
#img map multiply
img_o = Lambda(HighLight,  name='highlightlayer1')([img, co_map])
img_b = Lambda(HighLight,  name='highlightlayer2')([img, 1-co_map])

extractor = ResNet50(weights = 'imagenet', include_top = False, pooling = 'avg')
extractor.trainable = False
extractor.summary()

o_feature = extractor(img_o)
b_feature = extractor(img_b)
loss = Lambda(co_attention_loss,name='name')([o_feature,b_feature])
model = Model(inputs=img_input, outputs= loss ,name='generator')

Ошибка, которую я получаю, находится в этой строке model = Model(inputs=img_input, outputs= loss ,name='generator') Я думаю, потому что способ, которым я вычисляю потери, делает его неприемлемым выводом для моделей keras.

def co_attention_loss(args):
loss = []
o_feature,b_feature = args
c = 2048
for i in range(5):
    for j in range(i,5):
        if i!=j:
            print("feature shape : "+str(o_feature.shape))
            d1 = K.sum(K.pow(o_feature[i] - o_feature[j],2))/c
            d2 = K.sum(K.pow(o_feature[i] - b_feature[i],2))
            d3 = K.sum(K.pow(o_feature[j] - b_feature[j],2))
            d4 = d2 + d3/(2*c)
            p = K.exp(-d1)/K.sum([K.exp(-d1),K.exp(-d4)])
            loss.append(-K.log(p)) 
return K.sum(loss)

Как я могу изменить свою функцию потерь, чтобы эта функция работала?


keras image-segmentation loss-function unsupervised-learning
person Teresa Ho    schedule 25.07.2018    source источник

Ответы (1)


arrow_upward
1
arrow_downward 

loss = Lambda(co_attention_loss,name='name')([o_feature,b_feature])

означает, что вводимые вами аргументы являются списком, но вы вызываете аргументы как кортеж

o_feature,b_feature = args

вы можете изменить код потери на

def co_attention_loss(args):
    loss = []
    o_feature = args[0]
    b_feature = args[1]
    c = 2048
    for i in range(5):
        for j in range(i,5):
            if i!=j:
                print("feature shape : "+str(o_feature.shape))
                d1 = K.sum(K.pow(o_feature[i] - o_feature[j],2))/c
                d2 = K.sum(K.pow(o_feature[i] - b_feature[i],2))
                d3 = K.sum(K.pow(o_feature[j] - b_feature[j],2))
                d4 = d2 + d3/(2*c)
                p = K.exp(-d1)/K.sum([K.exp(-d1),K.exp(-d4)])
                loss.append(-K.log(p)) 
return K.sum(loss)

ВНИМАНИЕ: НЕ ТЕСТИРОВАТЬ

person woaisxxd    schedule 25.07.2018
comment
Я обнаружил, что для вычитания [1-co_map] мне пришлось обернуть его как слой. Но спасибо, что напомнили об аргументах. - person Teresa Ho; 26.07.2018