Question

当我使用带有tensorflow（TF）1.15.0的keras 2.3.2训练卷积网络时，性能要优于带有TF 1.13.1的keras 2.2.4，但是我需要使用带有TF 1.13的keras 2.2.4 .1。因此，我看一下更改列表，看来在keras 2.3.0中，它具有以下内容：

更改损失汇总机制以汇总批次大小。这可能如果您使用样本加权，请更改报告的损失值，或者类加权。您可以通过确保自己的行为来实现以前的行为每批次的样品重量总计为1。

如何为keras 2.2.4修改此更改？

下面是我使用的代码：（对于Keras 2.3.2和Keras 2.2.4，但是我需要对Keras 2.2.4进行上述更改，因为默认情况下它不是默认值，我应该如何更改？）

ptm = PretrainedModel(
    input_shape=IMAGE_SIZE + [3],
    weights='imagenet',
    include_top=False)

for layer in ptm.layers:
    layer.trainable=False

K = len(folders) # number of classes
x = Flatten()(ptm.output)
x = Dense(512, activation='relu')(x)
x = Dense(K, activation='softmax')(x)

# create a model object
model = Model(inputs=ptm.input, outputs=x)

# view the structure of the model
model.summary()



model.compile(
  loss='categorical_crossentropy',
  optimizer='adam',
  metrics=['accuracy']
)

更改损失汇总机制以汇总批次大小

0 个答案: