第一个输出值的不同损失函数

Question

我有带有输出的 CNN

[[a,b,c,d,e],[a1,b1,c1,d1,e1]...]

但是，“a”表示其他值所代表的框内某物的得分。

我希望用例如二元交叉熵和 MSE 来计算“a”

在标签中，a 要么为 1（其他值非零），要么为 0（所有其他值也为零）

所以我希望 a 在输出中介于 0 - 1 之间。

我尝试创建自己的损失函数：

def custom_loss(y_true,y_pred):
    return K.mean(K.binary_crossentropy(y_true[0], y_pred[0]), axis=-1) + K.mean(K.square(y_pred[1:] - y_true[1:]), axis=-1)

但是它抛出了相当严重的错误，下面的部分是提供最多信息的部分（我认为）

InvalidArgumentError (see above for traceback): Incompatible shapes: [4] vs. [5]
         [[Node: loss/predictions_loss/mul = Mul[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"](loss/predictions_loss/Mean_2, _arg_predictions_sample_weights_0_2/_1191)]]
         [[Node: loss/mul/_1305 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_12439_loss/mul", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

什么可能导致这种情况？形状 4 v 5 很奇怪，而 i 输出和输入的形状相同。

有没有办法解决它或解决方法？

感谢您的帮助。

Answer 1

我假设你的输出形状是(samples, boxes, 5)。

解决方案

def custom_loss(y_true,y_pred):
    cross = K.mean(K.binary_crossentropy(y_true[:,:,:1], y_pred[:,:,:1]), axis=-1) 
    mse = K.mean(K.square(y_pred[:,:,1:] - y_true[:,:,1:]), axis=-1)

    return cross + mse

如果由于cross 与mse 的形状不同而导致您仍然不兼容，您可能应该进一步使用K.mean()，直到它们都保持类似(samples, boxes) 或只是(samples,) 的形状。

如果您不打算使用任何类型的样本加权，您可以从平均值中删除 axis=-1。

尺寸错误

不要忘记张量的第一个维度是样本，所以你需要从最后一个维度取a（因为第二个维度是“boxes”）：

• y_true[:,:,:1] 有形状 (samples, boxes, 1)
• y_true[:,:,1:] 有形状 (samples, boxes, 4)

我使用:1 保留最后一个维度，如果您只使用0，则形状将为(samples, boxes)。