Keras 中带有 TensorFlow 后端的图像自定义损失函数答案

【问题标题】：Custom loss function in Keras with TensorFlow Backend for imagesKeras 中带有 TensorFlow 后端的图像自定义损失函数
【发布时间】：2017-12-01 23:43:30
【问题描述】：

我是神经网络和 keras 的新手，在编写这个自定义损失函数时遇到了麻烦：

我使用 TensorFlow 作为后端。看到其他例子，损失函数是这样写的：

from keras import backend as K
def depth_loss_func(pred_depth,actual_depth):
    n = pred_depth.shape[0]
    di = K.log(pred_depth)-K.log(actual_depth)
    di_sq = K.square(di)
    sum_d = K.sum(di)
    sum_d_sq = K.sum(di_sq)
    loss = ((1/n)*sum_d_sq)-((1/(n*n))*sum_d*sum_d) # getting an error in this step
    return loss

我得到的错误是： TypeError: unsupported operand type(s) for /: 'int' and 'Dimension'

我也不确定如何将学习率纳入损失函数。谢谢你的帮助。

【问题讨论】：

你不把pred_depth和actual_depth混在一起吗？

标签： python-3.x tensorflow keras loss-function

【解决方案1】：

张量的形状是未知的，直到您在图形执行期间向损失函数提供输入。为了在执行时动态计算形状，您可以使用K.shape()。

将第一行更改为：

n = K.shape(pred_depth)[0]

关于学习率，只需将其作为另一个参数传递即可。如果它是动态的，您可以通过model.optimizer.lr.get_value() 访问它。

【讨论】：

【解决方案2】：

不要使用“n”，在我看来这似乎不是最优雅的方式，而是尝试使用K.mean 函数：

di = K.log(pred_depth)-K.log(actual_depth)

di_mean = K.mean(di)
sq_mean = K.mean(K.square(di))

loss = (sq_mean - (lamb*di_mean*di_mean)) # getting an error in this step

【讨论】：