我正在Keras中运行FCN，该FCN使用binary cross-entropy作为损失函数。但是，我不确定损失如何累积。
我知道损失是在像素级别上应用的，但是图像中每个像素的损失是否加起来就形成了每个图像一个损失？还是不是求和，而是求平均值？
此外，在批次中是否简单地对每个图像的损失求和（或者是其他操作）？
答案 0 :(得分：1)
我假设您的问题是一个普遍的问题，并且是针对特定模型的（如果不能，您是否可以共享您的模型？）。
您是正确的，如果在像素级别使用交叉熵，则必须在所有像素上减少（求和或取平均值）结果才能得到单个值。
以下是张量流中卷积自动编码器的示例，其中此步骤是特定的：
相关行是：
loss = tf.nn.sigmoid_cross_entropy_with_logits(labels=targets_, logits=logits)
cost = tf.reduce_mean(loss)
无论您采用成本函数的平均值还是总和都不会更改最小化器的值。但是，如果采用均值，则更改批次大小或图像大小时，成本函数的值在实验之间更容易比较。