Question

我正在尝试用Dice或Jaccard的系数来优化我的网络。我的问题是图像分割问题，所以我的输出是一个形状的张量（1,256,256,11）。为了计算我的输出和真实图像的交集，我采取

tf.argmax(output, axis = 3)

返回数据类型为“int”的数据类型，其中tensorflow优化器（特别是AdamOptimizer）似乎没有采用，因此我将其转换为带有

的浮点数

tf.cast(tf.argmax(output, axis = 3), tf.float32)

然而，似乎没有为tf.cast（或tf.argmax）定义渐变。有没有人能够成功实施

Answer 1

操作tf.argmax()不可区分，这就是未实现渐变的原因。您不能直接优化Jaccard，因为它不可区分。

准确性也是如此，当您训练分类器时，即使您只关心准确度，也可以优化可微分损失，因为精度不可区分。

因此，您的问题无法解决，您必须使用能够区分和优化损失的损失函数，而不是jaccard。

Answer 2

我今天遇到了同样的问题，我意识到没有tf.argmax()函数（没有梯度）就无法计算骰子损失。

对于类似情况的一种可能解决方案是使用广义骰子系数，即，将softmax预测与“ one_hot”地面真相图像结合用作输入。