Keras 在侧边自定义损失函数中从 y_pred 中批量获取图像数量

Question

在这个损失函数中，我需要根据批量图像的数量和图像的大小来创建完整的指标。但是，我可以从 y_pred 获取图像大小，但不能获取批量大小，因为它在初始化图形时显示为 None。

def focal_loss(content, label_remap, gamma_=2, w_d=1e-4):
def focal_loss_fixed(y_true, y_pred):
    num_classes = len(content.keys())
    print("y_true_b", y_true.get_shape().as_list())

    cv_eqation = K.constant([0.114, 0.587, 0.299])
    y_true = tf.multiply(y_true, cv_eqation)
    y_true = tf.reduce_sum(y_true, axis=3)
    y_true = tf.cast(y_true, dtype=tf.uint8)

    lbls_resized = y_true
    logits_train = y_pred

    b, c, w, h = K.int_shape(y_pred)
    batch = K.constant(b)
    channel = K.variable(c)
    width = K.variable(w)
    high = K.variable(h)
    with tf.variable_scope("loss"):
        ......
        # make the labels one-hot for the cross-entropy
        onehot_mat = tf.reshape(tf.one_hot(lbls_resized, num_classes), (-1, num_classes))

        # focal loss p and gamma
        gamma = np.full((high * width * batch, channel), fill_value=gamma_)
        print("gamma", gamma.shape)
        .........
    return loss
return focal_loss_fixed

另外，我尝试了另一种方法，使用 onehot_mat 形状，但它的形状没有任何价值。

Answer 1

请参考this answer。听起来您想知道张量的动态形状，但使用的是静态形状。您需要使用tf.shape 在运行时获取批处理的动态形状，而不是使用get_shape，后者仅返回构建网络时已知的静态形状。

更新： 对于您的特定任务，在我看来，您正在尝试创建一个形状取决于当前批量大小的张量。我认为你可以这样做：

import tensorflow as tf
import numpy as np

vector = tf.Variable(tf.random_normal([3], stddev=0.1), name="weights")
batch = tf.placeholder(tf.float32, shape=[None,2,2])

vector_times_batchsize = tf.tile(vector, tf.shape(batch)[0:1])

init_all_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_all_op)
    print sess.run(vector_times_batchsize, feed_dict={batch: np.zeros((5,2,2), np.float32)}).shape

这会根据张量 batch 的第一个维度的形状重复 gamma_image 张量来创建一个新张量。

请注意，您不能使用 numpy 函数，因为此张量的创建需要成为 tensorflow 图的一部分，因为 sice 仅在运行时已知，而在创建图时不知道。