Question

我正在训练在最后一层具有连续输出的卷积网络。最后一层有4个节点。我正在使用均方误差作为损失函数。作为检查，我使用了来自Tensorflow的均方误差。这对于第一批的第一批只给出了相同的结果。因此，我的问题是为什么这些不同？我使用了具有最大池化的卷积层，最后我将其展平并使用了dropout。

此外，我还想知道如何为4个节点计算均方误差？它只是对每个节点的均方误差求和吗？原因当我计算每个节点的均方误差时，没有明确的连接。

这是指标。

def loss(y_true, y_pred):
    loss = tf.metrics.mean_squared_error(y_true, y_pred)[1]
    K.get_session().run(tf.local_variables_initializer())
    return loss

在这里我编译模型

model.compile(loss='mse', optimizer= adam, metrics=[loss, node])

这是我如何计算一个节点的均方误差：

def node(y_true, y_pred):
    loss = tf.metrics.mean_squared_error(y_true[:,0], y_pred[:,0])[1]
    K.get_session().run(tf.local_variables_initializer())
    return node

这是模型的简化形式：

    width = height = 128
    model = Sequential()

    model.add(Convolution2D(filters=64, kernel_size=(5, 5), activation='relu', padding='same',
                            input_shape=(width, height, 1)))
     model.add(MaxPooling2D(pool_size=(3, 3)))
    model.add(Flatten())
    model.add(Dense(units=256, activation='relu'))
    model.add(Dropout(0.4))
    model.add(Dense(units=4, activation='linear'))

    adam = Adam(lr=0.01, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0) 
    model.compile(loss='mse', optimizer= adam, metrics=[loss,node])

Answer 1

您将返回函数本身。

查看您的代码：

<div id='id_1'>this should have longer width</div>
<div id='id_2'>second</div>

<button onclick="increment(10)">Increase width</button>

请先更正此问题。

Keras的MSE损失函数显示的输出与Tensorflow的MSE指标不同吗？

1 个答案: