Question

我必须编写自己的自定义丢失函数，除了Keras中的y_true和y_pred参数之外，还可以使用不同的输入。在阅读了一些解决方法之后，我决定使用内部函数，如下所示：

from keras import backend as K

lambda_prn_regr = 0.6
lambda_prn_vis = 0.2
lambda_prn_class = 0.2

epsilon = 1e-4

# Person loss
def prn_loss_cls(y_true, y_pred):
    def prn_loss_cls_fixed_num(y_true, y_pred):
        # lambda * b_ce
        return lambda_prn_class * K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
    return prn_loss_cls_fixed_num

# Regression loss
def prn_loss_regr(num_joints):
    def prn_loss_regr_fixed_num(y_true, y_pred):
        # lambda * sum(vis * (pose_pred - pose_true)^2) / sum(vis)
        return lambda_prn_regr * K.sum(y_true[:, :, :, :2*num_joints] * K.square(y_pred - y_true[:, :, :, 2*num_joints:])) / K.sum(y_true[:, :, :, :2*num_joints])
    return prn_loss_regr_fixed_num

# Visibility Loss
def prn_loss_vis(y_true, y_pred):
    def prn_loss_regr_fixed_num(y_true, y_pred):
        return lambda_prn_vis * K.mean(K.square(y_pred - y_true), axis=-1)
    return prn_loss_regr_fixed_num

三种不同的损失函数：每种函数都有权重，一种需要整数参数。

但是在执行AttributeError: 'function' object has no attribute 'get_shape'函数时出现model.compile错误。整个错误输出如下：

Traceback (most recent call last):
  File "train_mppn.py", line 97, in <module>
    model_prn.compile(optimizer=optimizer, loss=[losses.prn_loss_cls, losses.prn_loss_regr(C.num_joints), losses.prn_loss_vis(C.num_joints)])
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 899, in compile
    sample_weight, mask)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 441, in weighted
    ndim = K.ndim(score_array)
  File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 439, in ndim
    dims = x.get_shape()._dims
AttributeError: 'function' object has no attribute 'get_shape'

编译部分：

model.compile(optimizer=optimizer, loss=[losses.prn_loss_cls, losses.prn_loss_regr(num_joints), losses.prn_loss_vis])

我找不到问题的根源。

Answer 1

您传递的函数不返回值，它们返回函数。

你可以理解你在num_joints的情况下这样做（而你实际上是在调用那个函数），但在其他情况下这很奇怪，特别是因为你没有在任何地方调用它们来返回内部功能。

建议：

# Person loss
def prn_loss_cls(y_true, y_pred):
       return lambda_prn_class * K.mean(K.binary_crossentropy(y_true,y_pred), axis=-1)


# Visibility Loss
def prn_loss_vis(y_true, y_pred):
    return lambda_prn_vis * K.mean(K.square(y_pred - y_true), axis=-1)

Answer 2

如果我理解正确，prn_loss_cls，prn_loss_regr和prn_loss_vis都是函子，即返回函数的函数。您想将返回的函数用作损失函数。因此，您需要调用这些函子，而不仅仅是将它们链接到损失，例如

model.compile(optimizer=optimizer, loss=[losses.prn_loss_cls(), losses.prn_loss_regr(num_joints), losses.prn_loss_vis()]

希望它能起作用：）

Answer 3

不要在外部函数中包含y_true和y_pred，您应该仅在外部函数中包含所需的变量，并且仅将y_true和y_pred用于内部函数。即应将它们定义为：

# Person loss
def prn_loss_cls():
    def prn_loss_cls_fixed_num(y_true, y_pred):
        # lambda * b_ce
        return lambda_prn_class * K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
    return prn_loss_cls_fixed_num

def prn_loss_vis():
    def prn_loss_regr_fixed_num(y_true, y_pred):
        return lambda_prn_vis * K.mean(K.square(y_pred - y_true), axis=-1)
    return prn_loss_regr_fixed_num

回归损失很好。然后，您应该可以使用

编译模型

model_prn.compile(optimizer=optimizer, loss=[losses.prn_loss_cls(), losses.prn_loss_regr(C.num_joints), losses.prn_loss_vis()])

Keras自定义丢失函数错误：'AttributeError：'function'对象没有属性'get_shape'

3 个答案: