Question

我正在训练一个简单的网络来预测单个对象的边界框坐标。然而，有些图片没有找到对象。由于网络总是进行预测，因此它还预测0和1之间的置信度值，其应指示图片中存在对象的概率。我对预测的张量称为logits，它是(batch_size, 5)张量（置信度，x，y，宽度和高度）。同样地，labels张量也是(batch_size, 5)。

以前我只训练过总是有物体的图像，所以我基本上可以做到

loss = tf.l2_loss(logits - labels)

我想开始训练没有物体的照片，当照片中没有物体时，我不希望网络因其预测的任何坐标而受到惩罚。在这种情况下，重要的是置信度值，它应接近0（无对象）。

我应该如何构建标签和损失功能来实现这一目标？我可以将没有对象的图像标签设置为全零，但是如何检查特定行是否仅为零？在这种情况下，logits中相应的行也需要设置为零（置信度值除外！），以便因坐标而产生的损失也为零。

Answer 1

查找张量行是否全为零的方法：

import tensorflow as tf

image = tf.fill([8,8], 0)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
image_row = tf.slice(image, [1,0], [1, -1])
total = tf.reduce_sum(tf.abs(image_row))
is_all_zero = tf.equal(total, 0)
print sess.run([total, is_all_zero, image_row])

结果：

[0, True, array([[0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)]

Answer 2

您可以使用tf.count_nonzero()检查张量是否全部为零。您可以查看指南here。

Tensorflow如何检查张量行是否仅为零？

2 个答案: