Question

我正在尝试为FCN实现损失功能。我的输出是形状的张量（n，c，h，w）。我的目标是形状（h，w）。我想计算输出和张量之间的损失，但问题是我有一个面具。我只对图像的某个部分感兴趣，可以计算出损失并对其进行训练（我想忽略其余部分）。我试图通过将图像展开成阵列然后在其上应用蒙版来实现我的目标。然后，我将计算损失。当我这样做时，会收到错误消息：

RuntimeError：断言`cur_target> = 0 && cur_target

请查看我的代码（因为我是新来的，所以可能会有更简单的方法来完成此操作）：

def Loss(inp, target, mask):
    mask=torch.from_numpy(np.array(mask, dtype=np.uint8))
    target=target.contiguous().view(-1,1) #Flattening the Target Image
    mask = mask.contiguous().view(-1, 1) #Flattening Mask
    target = target[~mask] #Masking Target
    n, c, h, w = inp.size()
    inp1=np.zeros((target.shape[0],c)) #Creating new empty array with dimensions of (masked_region, c)
    inp1=torch.from_numpy(inp1)
    for i in range( c):
        inp1[:,i]=inp[0,i,:,:].view(-1,1)[~mask] #Masking the input and filling in the array created
    log_p = F.log_softmax(inp1, dim=1)
    criterion=nn.NLLLoss()
    loss = criterion(log_p, target)
    return loss

Answer 1

假设inp和target变量都是表示图像的张量，我看不到为什么需要使用log_softmax以及为什么要使用NLLLoss作为损失功能。

尝试废弃softmax并使用MSELoss作为损失函数，这是使用您的代码的示例：

def Loss(inp, target, mask):
    mask=torch.from_numpy(np.array(mask, dtype=np.uint8))
    target=target.contiguous().view(-1,1) #Flattening the Target Image
    mask = mask.contiguous().view(-1, 1) #Flattening Mask
    target = target[~mask] #Masking Target
    n, c, h, w = inp.size()
    inp1=np.zeros((target.shape[0],c)) #Creating new empty array with dimensions of (masked_region, c)
    inp1=torch.from_numpy(inp1)
    for i in range( c):
        inp1[:,i]=inp[0,i,:,:].view(-1,1)[~mask] #Masking the input and filling in the array created
    criterion=nn.MSELoss(reduction='sum')
    loss = criterion(inp1, target)
    return loss

在Pytorch上实现FCN的损失功能

1 个答案: