Question

当我尝试使用here中的损失函数在Keras中编译模型时，出现错误

ValueError：形状必须为2级，但输入形状为[？]，[？]的“ loss / activation_10_loss / MatMul”（操作数：“ MatMul”）的形状为1级。

我已尝试根据this的答案解决此错误。

def get_loss_function(weights):
    def loss(y_pred, y_true):
        return (y_pred - y_true) * weights # or whatever your loss function   should be
    return loss
 model.compile(loss=get_loss_function(conv_weights), optimizer=SGD(lr=0.1))

复制问题的最简单方法：

from segmentation_models.metrics import iou_score
from segmentation_models import Unet
import keras

class Losses:

    def __init__(self):
        pass
    @staticmethod
    def IoULoss(targets, inputs, smooth=1e-6):
        logger=logging.getLogger("Losses.IoULoss")
        logger.setLevel(Debug_param.debug_scope())
        # flatten label and prediction tensors
        # logger.critical(("targets.shape",targets.get_shape().as_list(), "inputs.shape",inputs.shape))
        inputs = K.flatten(inputs)
        targets = K.flatten(targets)
        logger.critical(("flatten", "targets.shape", targets.shape, "inputs.shape", inputs.shape))

        intersection = K.sum(K.dot(targets, inputs))
        total = K.sum(targets) + K.sum(inputs)
        union = total - intersection

        IoU = (intersection + smooth) / (union + smooth)
        return 1 - IoU

model = Unet("resnet34", backend=None, classes=1, activation='softmax')
opt = keras.optimizers.Adam(lr=config.lr)
model.compile(loss=Losses.IoULoss, optimizer=opt,
                      metrics=[iou_score, "accuracy"])

如何使用自定义损失函数编译模型或如何防止错误？

Python版本3.7.4，keras 2.3.0，TF 1.14，细分模型0.2.1

Answer 1

当我重现您的错误时，我发现函数for x in * ; do mv $x $(echo $x | sed "s/\?.*//") done上出现了问题。看起来Keras希望该函数具有两个2级张量（即矩阵或2D数组）。您正在使用K.dot()使inputs和targets成为一维张量（向量）。这是一个如何从数据中制作二维张量的示例：

K.flatten()

使用自己的损失函数编译Keras模型时出错

1 个答案: