Question

尝试在下面的keras中自定义丢失函数（平滑L1丢失）

ValueError：Shape必须为0级，但对于＆＃39; cond / Switch＆＃39;为5级。（op：＆＃39; Switch＆＃39;）输入形状：[？，24,24,24，？]，[？，24,24,24，？]。

from keras import backend as K
import numpy as np


def smooth_L1_loss(y_true, y_pred):
    THRESHOLD = K.variable(1.0)
    mae = K.abs(y_true-y_pred)
    flag = K.greater(mae, THRESHOLD)
    loss = K.mean(K.switch(flag, (mae - 0.5), K.pow(mae, 2)), axis=-1)
    return loss

Answer 1

以下是使用keras.backend实现Smooth L1损失的实现：

{{-- status --}}
<td>{{ $entry->{$column['name'] }}</td>

Answer 2

def smoothL1(y_true, y_pred):
    x = K.abs(y_true - y_pred)
    if K._BACKEND == 'tensorflow':
        import tensorflow as tf
        x = tf.where(x < HUBER_DELTA, 0.5 * x ** 2, HUBER_DELTA * (x - 0.5 * HUBER_DELTA))
        return  K.sum(x)

Answer 3

我知道我晚了两年，但是如果您使用tensorflow作为keras后端，则可以使用tensorflow的Huber loss（本质上是相同的），如下所示：

import tensorflow as tf


def smooth_L1_loss(y_true, y_pred):
    return tf.losses.huber_loss(y_true, y_pred)

keras：平滑的L1损失

3 个答案: