我将Keras与Tensorflow结合使用来解决多类图像分割问题。对于每个训练对type root struct {
XMLName xml.Name `xml:"root"`
Files []ConfigFile `xml:",any"`
}
type ConfigFile struct {
Configs []Config `xml:"config"`
}
type Config struct {
Name string `xml:"name"`
Value string `xml:"value"`
Description string `xml:"description"`
}
，我的模型都有不同的辅助损失（{(x_i,y_i)}^N），这些损失与一个主要（out_aux）损失函数加在一起。
out_main此刻，我对所有输出（ Input(256,256,5)
|
|
something happening here
/ | | | \
| | | | |
out_main out_aux(0) out_aux(1) out_aux(2) out_aux(3)
）使用相同的损耗，因此，基本上，对所有损耗都评估一个（x，y）对。定义模型时遇到一些问题。产生辅助损失的方法如下：
categorical_crossentropy以及用于创建和编译模型的方法定义为：
def aux_branch(self, x, nb_labels=5):
# x is a list of feature maps.
x_aux = []
for nf in range(len(x)):
x_in = x[nf]
out_aux = _conv(filters=nb_labels, kernel_size=(1, 1), activation='linear')(x_in)
out_aux = Reshape((im_rows * im_cols, nb_labels))(out_aux)
out_aux = Activation('softmax')(out_aux)
out_aux = Reshape((im_rows, im_cols, nb_labels), name='out_aux_{}'.format(nf))(out_aux)
x_aux.append(out_aux)
return x_aux
关于损失函数，我使用的是来自keras的标准categorical_crossentropy函数。 我收到的错误消息是：
def create_model(self, x, lossfunc, nb_labels=5):
...
...
out_aux = self.aux_branch(x)
...
out_main = _conv(filters=nb_labels, kernel_size=(1, 1), activation='linear')(out_main)
out_main = Reshape((im_rows * im_cols, nb_labels))(out_main)
out_main = Activation('softmax')(out_main)
out_main = Reshape((im_rows, im_cols, nb_labels), name='out_main')(out_main)
model = Model(inputs=inputs, outputs=[out_main, out_aux[0], out_aux[1], out_aux[2], out_aux[3], out_aux[4]])
model.compile(loss={'out_aux_0': lossfunc,
'out_aux_1': lossfunc,
'out_aux_2': lossfunc,
'out_aux_3': lossfunc,
'out_aux_4': lossfunc,
'out_main': lossfunc},
# loss_weights={'out_aux_0': 1.0,
# 'out_aux_1': 1.0,
# 'out_aux_2': 1.0,
# 'out_aux_3': 1.0,
# 'out_aux_4': 1.0,
# 'out_main': 1.0},
optimizer=optimizer,
metrics={'out_main': 'accuracy',
'out_aux_0': 'accuracy',
'out_aux_1': 'accuracy',
'out_aux_2': 'accuracy',
'out_aux_3': 'accuracy',
'out_aux_4': 'accuracy'})
...
results = model.fit_generator(
generator=train_generator,
steps_per_epoch=steps_per_epoch,
epochs=args.epochs,
callbacks=callbacks,
validation_data=val_generator,
#nb_val_samples = nb_val_samples,
validation_steps=validation_steps,
#class_weight=class_weight
initial_epoch=epoch_num+1
)
关于我在做什么错的任何想法吗？