为 UNET 编写特定的损失函数

【问题标题】：writing specific loss function for UNET为 UNET 编写特定的损失函数
【发布时间】：2020-03-16 05:58:04
【问题描述】：

我正在尝试为 UNET 编写自己的损失函数。在这个函数中，我想将y_true 和y_pred 之间大于 10 的所有差异分配给 10，并且将所有小于 1 的差异分配给 1。有没有方便的方法来比较和分配张量？

def weighted_cross_entropyy(i):
    def loss(y_true, y_pred):
        diff = K.abs(y_true - y_pred)
        diff[K.less(diff, 1)] == 1
        diff[K.greater(diff, 10)] == 10
        return K.mean(K.square((y_pred - y_true)* diff), axis= -1)

    return loss

【问题讨论】：

标签： python conv-neural-network image-segmentation loss-function unity3d-unet

【解决方案1】：

我试图解决问题，并到达这里，但我仍然收到下面的错误

def weighted_cross_entropy(i)：

def loss(y_true, y_pred):
    def f1():
        return K.mean(K.square(y_pred - y_true), axis= - 1)
    def f2():
        return K.mean(K.square(y_pred - y_true), axis= - 1) * 10
    def f3(w):
        return K.mean(K.square(y_pred - y_true), axis= - 1) * w


    w = K.sqrt(K.sum(K.square(y_true - y_pred), axis=-1))
    print(w)
    r = tf.case([(tf.less(w, 0), f1), (tf.greater(w, 10), f2)], default = f3(w), exclusive=True)

    return r
return loss

错误：形状必须为 0 级，但对于输入形状为 [?,128,800]、[?,128,800] 的“loss_6/conv2d_168_loss/case/cond/Switch”（操作：“Switch”）为 3 级。

【讨论】：