Question

我在TensorFlow 2中必须解决图像分割问题。

特别是我有一个训练集，它由航空影像和它们各自的遮罩组成。戴着面具，地形被涂成黑色，建筑物被涂成白色。目的是预测测试集中图像的遮罩。

我使用带有最终Conv2DTranspose的UNet，该Conv2DTranspose具有1个过滤器和S型激活函数。在最终的S型层输出上以以下方式进行预测：如果y_pred> 0.5，则为建筑物，否则为背景。

我想实现骰子损失，所以我写了以下函数

def dice_loss(y_true, y_pred):
    print("[dice_loss] y_pred=",y_pred,"y_true=",y_true)
    y_pred = tf.cast(y_pred > 0.5, tf.float32)
    y_true = tf.cast(y_true, tf.float32)
    numerator = 2 * tf.reduce_sum(y_true * y_pred)
    denominator = tf.reduce_sum(y_true + y_pred)

    return 1 - numerator / denominator

我通过以下方式传递给TensorFlow：

loss = dice_loss
optimizer = tf.keras.optimizers.Adam(learning_rate=config.learning_rate)
metrics = [my_IoU, 'acc']
model.compile(optimizer=optimizer, loss=loss, metrics=metrics)

但是在训练时TensorFlow抛出了以下错误：

ValueError：没有为任何变量提供渐变：

Answer 1

问题出在您的损失功能上（很明显）。特别是以下操作。

y_pred = tf.cast(y_pred > 0.5, tf.float32)

这不是可区分的操作。这导致“渐变”为“无”。将您的损失函数更改为以下值，它将起作用。

def dice_loss(y_true, y_pred):
    print("[dice_loss] y_pred=",y_pred,"y_true=",y_true)
    y_true = tf.cast(y_true, tf.float32)
    numerator = 2 * tf.reduce_sum(y_true * y_pred)
    denominator = tf.reduce_sum(y_true + y_pred)

    return 1 - numerator / denominator

TensorFlow 2自定义丢失：“没有为任何变量提供渐变”错误

1 个答案: