在keras中創建自定義丟失函數

您好我一直在嘗試在keras中爲dice_error_coefficient創建自定義丟失函數。它在tensorboard它的實現，我嘗試使用相同的功能與tensorflow keras但它一直返回NoneType當我用model.train_on_batch或model.fit，其中在使用時，它提供正確的價值觀指標在模型中。可以請別人幫我解決我該怎麼做？我已經嘗試過下面的庫，比如Keras-FCN，他使用了自定義丟失函數，但似乎沒有任何效果。代碼中的目標和輸出分別是y_true和y_pred，分別在keras的losses.py文件中使用。在keras中創建自定義丟失函數

def dice_hard_coe(target, output, threshold=0.5, axis=[1,2], smooth=1e-5): 
    """References 
    ----------- 
    - `Wiki-Dice <https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient>`_ 
    """ 

    output = tf.cast(output > threshold, dtype=tf.float32) 
    target = tf.cast(target > threshold, dtype=tf.float32) 
    inse = tf.reduce_sum(tf.multiply(output, target), axis=axis) 
    l = tf.reduce_sum(output, axis=axis) 
    r = tf.reduce_sum(target, axis=axis) 
    hard_dice = (2. * inse + smooth)/(l + r + smooth) 
    hard_dice = tf.reduce_mean(hard_dice) 
    return hard_dice

來源

2017-08-30 Subham Mukherjee

在Keras中實現參數化自定義丟失函數有兩個步驟。首先，編寫一個係數/度量的方法。其次，編寫一個包裝函數來按照Keras需要的方式對事物進行格式化。

它實際上是相當多的清潔劑直接使用Keras後端，而不是tensorflow的像DICE簡單的自定義損失函數。這裏的係數的一個例子來實現這種方式：

import keras.backend as K 
def dice_coef(y_true, y_pred, smooth, thresh): 
    y_pred = y_pred > thresh 
    y_true_f = K.flatten(y_true) 
    y_pred_f = K.flatten(y_pred) 
    intersection = K.sum(y_true_f * y_pred_f) 

    return (2. * intersection + smooth)/(K.sum(y_true_f) + K.sum(y_pred_f) + smooth)

現在到了棘手的部分。 Keras丟失函數只能將（y_true，y_pred）作爲參數。所以我們需要一個單獨的函數來返回另一個函數。
```
def dice_loss(smooth, thresh): 
    def dice(y_true, y_pred) 
    return -dice_coef(y_true, y_pred, smooth, thresh) 
    return dice 
```

最後，你可以在Keras編譯如下使用它。

# build model 
model = my_model() 
# get the loss function 
model_dice = dice_loss(smooth=1e-5, thresh=0.5) 
# compile model 
model.compile(loss=model_dice)

來源

2017-08-30 14:25:13

非常感謝您的回答。我必將實現這個和檢查 –

「骰子變形點焊（y_true，y_pred）： \t返回-dice_coef（y_true，y_pred，1E-5，0.5） DEF dice_coef（y_true，y_pred，光滑，脫粒）： \t y_pred = K.cast（y_pred> THRESH，D型細胞= tf.float32） \t y_true = K.cast（y_true> THRESH，D型細胞= tf.float32） \t y_true_f = K.flatten（y_true） \t y_pred_f = K.flatten（ y_pred） \t路口= K.sum（y_true_f * y_pred_f） \t回報（2. *相交+平滑）/（K.sum（y_true_f）+ K.sum（y_pred_f）+光滑） Final_Model.compile（優化=選擇，損失=骰子，metrics = ['acc']）' 這給了我一個錯誤 '試圖將'x'轉換爲張量並失敗。錯誤：沒有值不受支持。' –

在將模型傳遞給模型之前是否調用了骰子的實例？ 'dice_fn = dice（smooth = 1e-5，thresh = 0.5）' 'Final_Model.compile（optimizer = opt，loss = dice_fn）' –

在keras中創建自定義丟失函數

回答

相關問題