基于损失函数的tensorflow - ValueError语义分割(sparse-softmax)
基于损失函数的 TensorFlow - ValueError 语义分割 (sparse-softmax)
在 TensorFlow 中，语义分割是指将图像中的每个像素分类到不同的语义类别中。为了实现语义分割，我们需要定义一个损失函数来衡量预测结果与真实标签之间的差异。在 TensorFlow 中，常用的损失函数之一是 sparse softmax cross entropy。
- 损失函数概念：
- 损失函数是用来衡量模型预测结果与真实标签之间的差异的函数。
- 在语义分割任务中，损失函数用于衡量每个像素的预测类别与真实标签类别之间的差异。
- 损失函数分类：
- 在 TensorFlow 中，常用的损失函数有交叉熵损失函数、均方误差损失函数等。
- 对于语义分割任务，常用的损失函数是 sparse softmax cross entropy。
- sparse softmax cross entropy 优势：
- sparse softmax cross entropy 是一种适用于多类别分类任务的损失函数。
- 它可以有效地衡量每个像素的预测类别与真实标签类别之间的差异。
- 与其他损失函数相比，sparse softmax cross entropy 在语义分割任务中具有较好的性能。
- 语义分割应用场景：
- 语义分割在计算机视觉领域有广泛的应用，例如图像分割、目标检测、自动驾驶等。
- 在图像分割中，语义分割可以将图像中的每个像素分类到不同的语义类别中，实现对图像的精细分割。
- 推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云提供了丰富的人工智能和云计算产品，其中包括了适用于语义分割任务的产品。
- 推荐的腾讯云产品是腾讯云 AI 机器学习平台，该平台提供了丰富的机器学习和深度学习工具，可以用于语义分割任务。
- 产品介绍链接地址：https://cloud.tencent.com/product/tiia
总结：基于损失函数的 TensorFlow - ValueError 语义分割 (sparse-softmax) 是一种用于图像分割任务的损失函数。它可以衡量每个像素的预测类别与真实标签类别之间的差异，并在语义分割任务中具有较好的性能。腾讯云提供了适用于语义分割任务的 AI 机器学习平台，可以帮助开发者实现语义分割相关的应用。
相关·内容
我正在训练一个具有编码器-解码器架构的完全卷积网络，用于图像分割任务，目前正在使用二进制交叉熵损失进行前景/背景预测。
我试图搜索和阅读关于为什么使用交叉熵损失而不是L1或L2损失的信息。交叉熵损失不能捕获图像的整体布局，而L1和L2考虑了整体图像重建。
浏览 2提问于2019-09-10得票数 0
我有一个在TensorFlow 2中必须解决的图像分割问题。
特别是，我有一个训练集，由空中图像与各自的面具配对而成。在面具中，地形是黑色的，建筑物是白色的。其目的是预测测试集中图像的掩码。
我使用一个带有1过滤器和乙状结肠激活函数的最终UNet。对最终乙状结肠层的输出进行预测的方式如下:如果是y_pred>0.5，那么它是一个建筑物，否则就是背景。
我想实现骰子丢失，所以我编写了以下函数
def dice_loss(y_true, y_pred):
print("[dice_loss] y_pred=",y_pred,"y_true=",y_tr
浏览 0提问于2019-12-11得票数 9
回答已采纳
我正在创建一个使用ISIC皮肤癌数据集检测皮肤癌的模型。我已经创建了一个CNN模型，但是在编译之后抛出了一个形状错误。我的代码-
scale = 1./255
num_classes = 9
model = Sequential()
model.add(layers.experimental.preprocessing.Rescaling(scale, offset =0.0))
model.add(layers.Conv2D(32, (3, 3), padding = 'same', input_shape=(180, 180, 3)))
model.add(layers.A
浏览 27提问于2021-05-27得票数 3
回答已采纳
因此，我正在基于构建一个完全卷积网络(FCN
我的输入图像数据目前是一个750x750x3的RGB图像。在网络中运行后，我使用形状为batch_size，750,750,2的logits进行损失计算。
这是一个二进制分类-我这里有两个类别，在我的标签中有0，1(形状为batch_sizex750x750 )。这些函数进入损失函数，如下所示：
def loss(logits, labels, num_classes):
with tf.name_scope('loss mine'):
logits = tf.to_float(tf.reshape(logits, [-1,
浏览 20提问于2016-07-24得票数 7
回答已采纳
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
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
2回答
给定一个图像数据集，我需要从每个图像的背景中分割出前景对象。数据集是“汽车”的图像。输出的图像应该是没有任何背景的汽车从原始图像。能否请一些人指导我，训练这个模型需要哪些更广泛的步骤？需要什么样的算法。我将使用tensorflow作为实现。有关所需功能的示例，请访问https://www.remove.bg/
浏览 68提问于2020-01-20得票数 1
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
我试图在conv2d_transpose中使用批处理规范化，如下所示：
h1 = tf.layers.conv2d_transpose(inputs, 64, 4, 2, padding='SAME',
kernel_initializer=tf.variance_scaling_initializer,
bias_initializer=tf.ones_initializer,
activity_regularizer=tf.layers.batch_normalization,
)
h2 = tf.layers.conv2d_transpose(h1
浏览 3提问于2017-11-27得票数 0
回答已采纳
我试图开发一个CNN模型来从静脉图像中提取特征，但我无法解决所示的ValueError。 model = Sequential()
model.add(Conv2D(64, kernel_size=(2, 2), activation='relu', padding='same', input_shape=(48, 64, 3)))
model.add(Conv2D(64, (2, 2), activation='relu', padding='same'))
model.add(MaxPooling2D(pool_size=(
浏览 23提问于2021-03-20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
1回答
我正在使用TensorFlow 2，我试图优化一个函数，它使用了一个经过训练的tensorflow模型(毒药)。
@tf.function
def totalloss(x):
xt = tf.multiply(x, (1.0 - m)) + tf.multiply(m, d)
label = targetlabel*np.ones(xt.shape[0])
loss1 = poison.evaluate(xt, label, steps=1)
loss2 = tf.linalg.norm(m, 1)
return loss1 + loss2
我无法执行这
浏览 3提问于2019-06-16得票数 10
回答已采纳
2回答
我想对6种不同类别的x光扫描进行分类，代码有什么问题？
model = Sequential()
model.add(Conv2D(256, (3, 3), input_shape=X.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(256, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
m
浏览 3提问于2020-06-02得票数 2
回答已采纳
我是Tensorflow的新手，我一直在尝试通过阅读tensorflow.org上的指南和文档来掌握基础知识
我已经学习了如何使用tf.data和MNIST的基础知识，并正在尝试让它们在MNIST的基本图像模型上协同工作。
我目前正在遵循这些指南：
我已经将原始的python脚本更改为使用Dataset.from_tensor_slices而不是numpy_input_fn，但是我在评估阶段遇到了这个错误。(虽然不是在训练阶段)
ValueError: Can not squeeze dim[1], expected a dimension of 1, got 10 for 'spa
浏览 0提问于2018-07-18得票数 2
我试图在Keras LSTM中应用Jaccard系数作为自定义损失函数，使用Tensorflow作为后端。
我知道我必须打电话给以下人员：
model.compile(optimizer='rmsprop', loss=[jaccard_similarity])
其中jaccard_similarity函数应该是下面的keras.backend实现：
def jaccard_similarity(doc1, doc2):
intersection =set(doc1).intersection(set(doc2))
union = set(doc1).union(s
浏览 2提问于2018-03-14得票数 6
回答已采纳
1回答
自定义角化损失函数的使用
、、、
我想实现一个自定义丢失函数，我使用tensorflow和keras后端。
在我对每个训练样本(尺寸的2D矩阵(2048x192) )的丢失函数中，我想将相应的训练样本的带通版本作为一个常数(不可训练)值添加。
实现了基于的带通滤波器。
from scipy.signal import butter, sosfiltfilt
def butter_bandpass_sos(lowcut, highcut, fs, order=5):
nyq = 0.5 * fs
low = lowcut / nyq
high = highcut / nyq
sos = butt
浏览 3提问于2021-07-27得票数 0
我正在尝试在Tensorflow 2.0中训练一个Unet模型，它以图像和分割掩码作为输入，但我得到了一个ValueError : as_list() is not defined on an unknown TensorShape。堆栈跟踪显示问题发生在_get_input_from_iterator(inputs)期间。
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/engine/training_v2_utils.py in _prepare_feed_values(model, inputs, m
浏览 49提问于2019-10-29得票数 13
回答已采纳
我是机器学习的新手，我想我会从科拉斯开始。在这里，我将电影评论分类为三类(正为1，中性为0，负为-1)，使用二进制交叉熵。所以，当我试图用tensorflow估计来包装我的keras模型时，我得到了误差。
守则如下：
import tensorflow as tf
import numpy as np
import pandas as pd
import numpy as K
csvfilename_train = 'train(cleaned).csv'
csvfilename_test = 'test(cleaned).csv'
# Read .csv
浏览 3提问于2020-08-12得票数 2
回答已采纳
1回答
我试图为一个回归问题创建一个自定义丢失函数，该函数将最小化超过某个阈值的元素的数量。我的代码是：
import tensorflow as tf
epsilon = 0.000001
def custom_loss(actual, predicted): # loss
actual = actual * 12
predicted = predicted * 12
# outputs a value between 1 and 20
vector = tf.sqrt(2 * (tf.square(predicted - actual + epsilon
浏览 4提问于2022-08-10得票数 0
回答已采纳
2回答
我有以下损失：
loss = loss(y_train_left_noc[:,:,0], soft_argmin).tolist()
其中type(loss)是<class 'float'>
但是，在优化器中使用此损失时，如下所示：
train = tf.keras.optimizers.Adam().minimize(loss, [k1, k2, k3])
在k1、k2和k3是卷积内核的情况下，我得到了以下错误：
Traceback (most recent call last):
File "train.py", line 277, in &
浏览 0提问于2020-08-18得票数 3
我试图使用tensorflow 2.7.0为mnist数据集创建一个神经网络，使用以下代码：
import tensorflow_datasets as tfds
import tensorflow as tf
from tensorflow.keras.layers import Input, Dense, Conv2D, MaxPooling2D, Flatten
from tensorflow.keras.models import Sequential
from tensorflow.keras.callbacks import ModelCheckpoint
from tensorf
浏览 4提问于2022-03-19得票数 1
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我一直在为在下面的图片中对网络进行编码而奋斗。
用例专用于时间序列：
首先通过学习最常见的特性来表示时间序列的序列；其次，和LSTM预测VAE也被训练过的序列的下一个值。
我正在努力建立这样一个网络，保留两个损失函数：
VAE必须保持其经典的损耗函数: MSE +KL，LSTM部件必须保持其MSE损耗函数。
来自1677年时间序列的数据集，每个时间状态为61440次。我降低了所有时间序列的滚动平均值(以减轻61440的特性)，并用一个长度为200的滑动窗口重新调整它们，这给了我一个(989300,1200)的InputShape，这是进入VAE的样本的形状(989300序列)。网络
浏览 2提问于2020-11-19得票数 0
回答已采纳
我正在使用Tensorflow，并且正在使用已经为TensorFlow1 (https://github.com/openai/maddpg/blob/master/maddpg/common/tf_util.py)实现的代码。在将代码迁移到tensorflow 2时，我能够使用在线提供的文献进行大多数更改。但是，我找不到145行的合适替代品： gradients = optimizer.compute_gradients(objective, var_list=var_list) 这将抛出一个错误 Attribute Error: 'Adam' object has no
浏览 429提问于2021-05-07得票数 4
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
我正在使用tensorflow构建一个多输出模型。我遇到了错误 ValueError: Shape mismatch: The shape of labels (received (3600000,))
should equal the shape of logits except
for the last dimension (received (10, 360000)). 我必须输出360000个数据，其中有25个类。我的输入范围是0，1。 [x1, x2, x3, ....., x1080000] 我的输出如下所示 [y1, y2, y3, ....., y360000] 另外，我的输
浏览 36提问于2021-08-30得票数 1
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
1回答
我对numpy数组进行了如下形状的培训和测试
TrainX = (1234, 50, 50) Type: <class 'numpy.ndarray'> # 1234 arrays of 50 by 50 floats
TrainY = (1234, 2) Type: <class 'numpy.ndarray'>
# TrainY was one column of binary class 0 or 1. Converted it through to_categorical()
TestX = (123, 50, 50) Type
浏览 5提问于2022-06-27得票数 0
回答已采纳
我用Keras生物医学图像分割来分割脑细胞。我用了model.evaluate()，它给了我骰子系数: 0.916。然而，当我使用model.predict()，然后循环通过计算骰子系数预测图像，骰子系数是0.82。为什么这两个价值观是不同的？
浏览 7提问于2017-06-10得票数 53
回答已采纳
我为vgg16模型运行了这一行代码：
model.fit(X_train, y_train, epochs=1, verbose=2, validation_data=(X_test, y_test), batch_size=10)
我还更新了树突层，因为我只有15个类
model.add(Dense(units=15, activation='softmax'))
My图像大小为: target_size=(224,224,3)
我的模型摘要是 1：
Model: "sequential"
________________________________
浏览 6提问于2020-10-05得票数 0
1回答
我试图在tensorflow中定义一个自定义的丢失函数，它根据的答案惩罚假阳性和假阴性。我必须修改计算专一性的代码，并回忆相当多的代码，因为我有一个多类分类问题，而post中的问题只是二进制分类。如果重要的话，我正在使用存储在ImageDataGenerator对象中的图像进行培训。
损失函数的作用如下。
将y_pred中的逻辑和y_true中的一个热编码类转换为稀疏的数字向量(例如。对于每个batchInstantiate计数器来说，0、2、1、1是真阳性、正负、假阳性和假负数(TPx、TNx、FPx、FNx -x分别为0、1或2)。庞大的if和elif语句基本上计算混淆矩阵中的每个点，因为
浏览 2提问于2021-08-26得票数 1
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
这个问题已经在其他论坛上被问到了，我尝试过他们的变体，但没有结果：。
然而，这似乎是陈腐的，因为没有人回答这个问题。当使用class_weight时，有人知道如何在Keras中实现categorical_crossentropy参数吗？我一直试图在Keras中使用class_weight参数，但始终得到以下错误：
ValueError:期望class_weight是一个键数小于类数从0到1的块，发现{“预测”：{0: 1.217169570760731，1: 5.323420074349443，2: 0.5023680056130504}
每个样本将被分类为0，1或2 (softma
浏览 0提问于2020-12-04得票数 3
我是tensorflow和卷积神经网络的新手，我想构建一个学习寻找浮点数模式的人工智能。但是每当我尝试运行代码时，我都会遇到一些错误。到目前为止，我的代码如下：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Dense
train_data = [
[0.5, 0.2, 0.2],
[0.3, 0.3, 0.4],
[0.4, 0.4, 0.5],
[0.8, 0.8, 0.1]
]
train_labels = [
浏览 0提问于2020-02-21得票数 0
我正在使用tensorflow进行一些NN计算，该计算依赖于由我知道其解析导数的子过程调用的外部操作。为此，我从一个玩具模型开始，在该模型中，我将自定义操作定义为numpy函数及其梯度。我正在遵循中报告的示例，该示例适用于执行标量乘法的简单自定义op，如f(a，x)=a*x。我正在尝试编写与简单3D-->1D操作等效的代码，例如f(A，x)=matmul(x，A.T)，但在反向传播过程中遇到了输入变量和梯度的匹配问题。
代码如下：
import tensorflow as tf
from tensorflow.python.framework import ops
浏览 0提问于2018-09-05得票数 1
1回答
我在训练大班的图像分类模型。由于dataset是巨大的，它不适合内存内存，所以我使用tf.data管道将其存储在缓存中，并随着培训的进行进行读取。我构建的代码如下所示
file_location = r'C:\imageclassification\data'
data_dir = pathlib.Path(file_location)
class_labels_cnt = len(os.listdir(file_location))
print('total class :',class_labels_cnt)
image_count = len(list(d
浏览 9提问于2022-07-17得票数 0
回答已采纳
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
1回答
我过得很不愉快。当我能够用维度解决我的的时候...出现新的错误。
任务仍然是二值图像分割。我有大小为WxH的图像以及相同大小的标签(0,255)。我将图像和标签重新缩放为imageDataGenerator中介于(0,1)之间的值。
我跟随并将我的标签重塑到(None, W*H, 2)中，使用很好的博客条目作为参考。
对于上采样，我使用了。
所以。我的标签和网络的输出具有相同的形状。
我现在得到的错误是：
ValueError: Tensor Tensor("conv2d_1_input:0", shape=(?, 352, 128, 1), dtype=float32) is
浏览 0提问于2018-01-07得票数 2
2回答
如何在多类图像分类中获得权值图
、、、、
我正在使用keras和TensorFlow进行多类图像分割。我训练的网络给了我很好的预测，但无法分离接触的对象，这就是为什么我想使用具有"weights"参数的softmax_cross_entropy损失函数。
知道我的y_true形状是(batch-size,128,128,3)，我如何计算这些权重？
tf.losses.softmax_cross_entropy(y_true,y_pred,weights=my_weights)
浏览 0提问于2019-04-18得票数 2
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
我刚开始接触Tensorflow和机器学习。我正试图建立一个模型，通过核磁共振来检测脑肿瘤。
我正在使用validation_split来分割数据。在编译模型之后，当我尝试使用.fit函数进行拟合时，就会得到这个错误。在googling之后，我发现可能是因为我在调用y函数时没有传递fit参数。
码
datagen = ImageDataGenerator(validation_split=0.2, rescale=1. / 255)
train_generator = datagen.flow_from_directory(
TRAIN_DIR,
target_size=(1
浏览 0提问于2021-05-11得票数 0
回答已采纳
尝试在形状为(256,256，3)的样本数据集上训练卷积神经网络，给了我一个ValueError。
我已经检查了我的数据的形状(它已经在通道上了，就像tensorflow想要的那样)。我试过使用与其他人相同的代码，但它不起作用。我查看了我的数据集，看看数据的格式是否正确，而且我似乎没有发现任何错误。
我的CNN的代码如下：
X = pickle.load(open("X.pickle", "rb")) # Shape (256, 256, 3)
y = pickle.load(open("y.pickle", "rb")) # T
浏览 0提问于2019-05-30得票数 0
回答已采纳
2回答
自定义损失函数Keras
、、、、
我正在尝试在Keras中为RNN (LSTM)实现我自己的自定义损失函数。这是我的代码。
import sys
sys.path.insert(0, "C:\\Users\\skaul\\AppData\\Local\\Continuum\\Anaconda3\\envs\\tensorflow\\Lib\\site-packages")
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM, Dense
import keras.backend as K
t
浏览 2提问于2017-07-13得票数 3
这是我的测试代码。但它跑不了。终端总是给我这个错误：
回溯(最近一次调用)：
(文件“桌面/test.py”，第28行，in loss =tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction)，reduction_indices=1))。
文件"/Users/sumeixu/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/math_ops.py"，第898行，在binary_op_wrapper y= ops.convert_to_tensor(y，dt
浏览 0提问于2018-03-10得票数 2
1回答
解释验证损失
、、、
我是神经网络的新手，我不知道如何准确地解释我得到的验证损失的结果。我正在尝试使用tensorflow对图像进行分类。如果我绘制每个时期之后得到的结果，我会得到以下结果：enter image description here 我的训练精度和验证精度提高了，我的训练损失减少了，但验证损失虽然下降了一些，但并不是非常接近训练损失。 我该如何解释这个呢？我不理解验证损失的变化。验证损失没有像训练损失减少那么多的事实是否意味着我有过度拟合？ (以防万一，我做了25个时期，批量:128，学习率:0.0001，训练/验证分割:0.40) 谢谢你的帮助
浏览 53提问于2020-08-11得票数 1
回答已采纳
我试图使用keras (版本2.3.1)和tensorflow (版本1.13.1)创建顺序MLP模型。
我创建了这样的模型：
model = keras.models.Sequential([
keras.layers.Flatten(input_shape=[24, 49]),
keras.layers.Dense(300, activation="relu"),
keras.layers.Dense(300, activation="relu"),
keras.layers.Dense(300, activation=
浏览 2提问于2019-12-19得票数 0
2回答
我熟悉Keras，在Keras中，我们需要根据需要在输出层中添加激活函数，但是在学习Tensorflow时，我发现输出层没有添加激活函数。
有人能解释一下这背后的原因吗。
浏览 4提问于2019-03-11得票数 0
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
