我已经在Tensorflow中的一些张量操纵上停留了几个小时。我正在尝试使用Tensorflow后端在Keras框架中实现一些损失功能，但到目前为止仍未成功（尽管我相信我会越来越近）。所讨论的损失函数是 YOLO 算法的损失函数。此函数的问题在于，它是一个$ L_2 $范数，但根据$ y_true $的值由一些系数加权。因此，为了构建损失函数，我必须研究$ y_true $的值， Tensorflow似乎不允许这样做。。。到目前为止，我想出了这个方法技巧：
def defineMarkUp(y_true):
num_example = y_true.shape[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.shape)
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(y_true[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
def yoloLoss(markups):
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
s = 5 + class_nbr
def loss(y_true, y_pred):
mask = np.zeros((1, grid_h, grid_w, box_nbr * s))
mask = mask.astype(np.float32)
for k in range(box_nbr):
mask[:, :, :, k * s + 2 : k * s + 4] = 1.0
dim_y_true = tf.sqrt(tf.multiply(y_true, mask))
dim_y_pred = tf.sqrt(tf.multiply(y_pred, mask))
other_y_true = tf.multiply(y_true, 1 - mask)
other_y_pred = tf.multiply(y_pred, 1 - mask)
new_y_true = other_y_true + dim_y_true
new_y_pred = other_y_pred + dim_y_pred
return tf.reduce_mean(tf.square(tf.multiply(tf.cast(markups, tf.float32), (new_y_true - new_y_pred))))
return loss
一点解释：在这里，函数defineMarkUp将所有标签视为np.array ，并创建一些蒙版（根据位置等包含不同的权重），以及然后我这样称呼：
model.compile(loss = [yoloLoss(Y_train)], optimizer = 'adadelta')
问题是，当使用批处理时，由于所有数据集的尺寸都与我们的批处理不同，因此遮罩不再合适，这意味着我需要在给定 $ y_true $作为张量。所以我尝试了这样的事情：
def defineMarkUp(y_true):
num_example = y_true.get_shape().as_list()[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.get_shape().as_list())
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(y_true[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
def yoloLossFinal(y_true, y_pred):
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
s = 5 + class_nbr
coord_c, noobj_c = config.COORD_C, config.NOOBJ_C
markups = defineMarkUp(y_true)
mask = np.zeros((1, grid_h, grid_w, box_nbr * s))
mask = mask.astype(np.float32)
for k in range(box_nbr):
mask[:, :, :, k * s + 2 : k * s + 4] = 1.0
dim_y_true = tf.sqrt(tf.multiply(y_true, mask))
dim_y_pred = tf.sqrt(tf.multiply(y_pred, mask))
other_y_true = tf.multiply(y_true, 1 - mask)
other_y_pred = tf.multiply(y_pred, 1 - mask)
new_y_true = other_y_true + dim_y_true
new_y_pred = other_y_pred + dim_y_pred
return tf.reduce_mean(tf.square(tf.multiply(tf.cast(markups, tf.float32), (new_y_true - new_y_pred))))
但是现在我得到了这个错误：
回溯（最近一次通话最后一次）：文件“ network.py”，行214，在 yolo.compile（loss = yoloLossFinal，Optimizer ='adadelta'）文件“ /anaconda3/lib/python3.6/site-packages/keras/engine/training.py”， 830行，正在编译 sample_weight，mask）文件“ /anaconda3/lib/python3.6/site-packages/keras/engine/training.py”， 第429行，加权后 score_array = fn（y_true，y_pred）文件“ network.py”，第192行，在yoloLossFinal中 标记= defineMarkUp（y_true）defineMarkUp中的文件“ network.py”，第143行 mask = np.zeros（y_true.get_shape（）。as_list（））TypeError：“ NoneType”对象无法解释为整数
因此，我尝试了其他方法：
def defineMarkUp(y_true):
sess = tf.Session()
with sess.as_default():
yy = y_true.eval()
num_example = yy.shape[0]
grid_h, grid_w = config.GRID_H, config.GRID_W
box_nbr = config.BOX_NBR
class_nbr = config.CLASS_NBR
coord_c = config.COORD_C
noobj_c = config.NOOBJ_C
s = 5 + class_nbr
mask = np.zeros(y_true.shape)
for i in range(num_example):
for j in range(grid_h):
for k in range(grid_w):
for l in range(box_nbr):
if np.sum(yy[i, j, k, l * s + 5 : (l + 1) * s]) > 0:
mask[i, j, k, l * s : l * s + 4] = np.sqrt(coord_c)
mask[i, j, k, l * s + 4 : (l + 1) * s] = 1.0
else:
mask[i, j, k, l * s + 4] = np.sqrt(noobj_c)
return mask
但是现在我收到了很长的错误消息：
回溯（最近通话最近）：文件 “ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， _do_call中的第1322行 返回fn（* args）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， _run_fn中的第1307行 选项，feed_dict，fetch_list，target_list，run_metadata）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， _call_tf_sessionrun中的第1409行 run_metadata）tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须 用dtype float输入占位符张量'conv2d_4_target'的值 和形状[？，？，？，？] [[节点：conv2d_4_target = Placeholderdtype = DT_FLOAT，shape = [？，？，？，？]， _device =“ / job：localhost /副本：0 /任务：0 /设备：CPU：0”]]
在处理上述异常期间，发生了另一个异常：
回溯（最近一次通话最后一次）：文件“ network.py”，第218行，在 yolo.compile（loss = yoloLossFinal，Optimizer ='adadelta'）文件“ /anaconda3/lib/python3.6/site-packages/keras/engine/training.py”， 830行，正在编译 sample_weight，mask）文件“ /anaconda3/lib/python3.6/site-packages/keras/engine/training.py”， 第429行，加权后 score_array = fn（y_true，y_pred）yoloLossFinal中的文件“ network.py”，第196行 标记= defineMarkUp（y_true）defineMarkUp中的文件“ network.py”，第137行 yy = y_true.eval（）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”， 710行，评估 返回_eval_using_default_session（self，feed_dict，self.graph，session）文件 “ /anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”， 第5180行，在_eval_using_default_session中 返回session.run（tensors，feed_dict）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， 900行，运行中 run_metadata_ptr）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， _run中的第1135行 feed_dict_tensor，选项，run_metadata）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， _do_run中的第1316行 run_metadata）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py”， 第1335行，在_do_call中 提高type（e）（node_def，op，message）tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须 用dtype float输入占位符张量'conv2d_4_target'的值 和形状[？，？，？，？] [[节点：conv2d_4_target = Placeholderdtype = DT_FLOAT，shape = [？，？，？，？]， _device =“ / job：localhost /副本：0 /任务：0 /设备：CPU：0”]]
由操作“ conv2d_4_target”引起，定义于：文件“ network.py”，第 218英寸 yolo.compile（loss = yoloLossFinal，Optimizer ='adadelta'）文件“ /anaconda3/lib/python3.6/site-packages/keras/engine/training.py”， 725行，正在编译 dtype = K.dtype（self.outputs [i]））文件“ /anaconda3/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”， 508行，占位符 x = tf.placeholder（dtype，shape = shape，name = name）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/array_ops.py”， 1808行，占位符 返回gen_array_ops.placeholder（dtype = dtype，shape = shape，name = name）文件 “ /anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/gen_array_ops.py”， 行4848，在占位符中 “占位符”，dtype = dtype，shape = shape，name = name）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/op_def_library.py”， _apply_op_helper中的第787行 op_def = op_def）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”， 第3392行，位于create_op中 op_def = op_def）文件“ /anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”， 第1718行，在 init 中 self._traceback = self._graph._extract_stack（）＃pylint：disable =受保护的访问
InvalidArgumentError（请参阅上面的回溯）：您必须提供一个值 用于dtype float和shape的占位符张量'conv2d_4_target' [？，？，？，？] [[节点：conv2d_4_target = Placeholderdtype = DT_FLOAT， shape = [？，？，？，？]， _device =“ / job：localhost /副本：0 / task：0 / device：CPU：0”]
]
我一直在不懈地尝试实现此损失功能，所以我真的希望有人可以帮助我了解发生了什么问题:(。到目前为止，我还有一个更笼统的问题，该问题可能与我的问题有关： 如何在Tensorflow中真正实现损失函数，这意味着：我们可以做什么，我们不能做什么？
非常感谢！