我需要为Keras实现一个自定义目标函数，其中我需要一个额外的tensorflow占位符用于计算。对于Keras损失函数，input_R和解码器分别是对应于y_true和y_pred的占位符。我将Keras损失函数实现为，
pre_cost1 = tf.multiply((y_true - y_pred))cost
浏览 1提问于2017-04-29得票数 0
我正在尝试使用Keras创建自定义损失函数。我想根据输入计算损失函数，并预测神经网络的输出。
我尝试使用Keras中的customloss函数。我认为y_true是我们用于训练的输出，y_pred是神经网络的预测输出。下面的损失函数与Keras中</
浏览 2提问于2019-04-01得票数 17
回答已采纳
我有一个具有多个输出的模型，如：out_1 = Dense(10)(model_in)model = keras.Model(model_in, [out_1, out_2])
model.compile('adam', loss = [loss_fn_1, loss_fn_2])对于每个训练样本，我都有一个掩码，应该在我的自定义丢失函数中
浏览 1提问于2021-01-08得票数 0
回答已采纳
我正在研究tensorflow.keras中的一个不平衡的分类问题。我决定按照this answer on cross validated的建议计算“几何平均分”。我在一个名为imbalanced-learn的包中发现了一个implementation of it，并意识到它不能用作tensorflow.keras.Model.compile(metrics=[])中的指标之一；而且由于我还希望在每次调用时都向它传递一个参数，所以我决
浏览 17提问于2020-07-22得票数 2
1回答
我正在尝试训练一个具有自定义损失函数的自动编码器，如下所示。输入missing_matrix是一个由1和0组成的n x m数组，对应于n x m特征数组。我需要用y_pred对missing_array逐个元素相乘，这应该是输入特征的重构，这样我就可以屏蔽那些乘以0的元素，而忽略它们在成本函数中的贡献。我以前从来没有写过一个自定义</em
浏览 37提问于2020-09-30得票数 3
回答已采纳
0回答
我想在Keras中实现一个自定义损失，将最后一个仿射层作为输入。这是中描述的SGM损失。
这意味着损失函数不仅将y_true和y_predict作为参数，还将最后一个仿射层作为参数。如何在keras中实现这一点？
浏览 2提问于2017-12-06得票数 0
有没有一种方法可以将特征作为输入传递给keras模型，仅供自定义损失函数访问，而不会影响模型作为输入特征？我只需要该功能来计算损失，而不是通过网络中的隐藏层进行前馈。(基本上，我想要的是将特征作为输入输入，并按原样提取它作为输出，以及要在损失函数中访问<em
浏览 11提问于2020-12-09得票数 0
回答已采纳
1回答
如何从神经网络输出3D张量？
、、、、
我的主要输入特性是60x256x256的numpy数组，它将生成一个60x256x256的二进制掩码(也是numpy数组的形式)。二进制掩码起到了标签的作用，但我不知道如何从我的神经网络生成3D数值数组或张量输出。这是我当前的代码：model.add(tf.keras
浏览 0提问于2021-08-06得票数 1
1回答
我正在尝试在Keras (Tensorflow后端)中实现一个自定义的损失函数。然后，该函数应输出该子数组之和的绝对值作为损失(浮点数)。) 我一直在尝试阅读Keras中的自定义损失函数，我知道必须在Keras函数空间中编写一个损失
浏览 17提问于2019-06-28得票数 0
回答已采纳
我正在努力训练一种自动驾驶的模型，它将来自前摄像头的输入转换成鸟瞰图像。
输入和输出都是形状为(96,144)的分段掩码，其中每个像素的范围从0到12 (每个数字代表不同的类)。现在，我的问题是，我应该如何预处理我的数据，以及我应该使用的损失函数的模型(我试图使用一个完全卷积网络)。我尝试使用
浏览 1提问于2020-05-27得票数 0
回答已采纳
1回答
均方误差损失函数计算
、、、
我使用形状为30,26的输入样本和形状为1,7的输出样本，以均方误差作为损失函数(model.compile(loss="mse", optimizer="adam")来训练seq2seq网络。然而，当我比较history.history['loss']和keras_error = tf.keras.losses.MSE(predictions_train, data_tra
浏览 16提问于2020-07-29得票数 0
1回答
如何在使用Tensorflow作为后台的情况下，在keras中实现BCEWithLogitsLoss，并将其作为自定义损失函数。我在PyTorch中使用了torch中定义的BCEWithLogitsLoss。 如何在Keras中实现同样的功能？
浏览 38提问于2019-04-15得票数 2
回答已采纳
1回答
我需要SSIM作为我的网络中的一个损失函数，但我的网络有两个输出。我需要使用SSIM进行第一次输出，使用cross-entropy进行下一次输出。损失函数是它们的组合。然而，我需要更高的SSIM和更低的cross-entropy，所以我认为它们的组合是不正确的。另一个问题是我在keras<em
浏览 50提问于2019-04-10得票数 3
2回答
在Keras (使用Tensorflow后端)中，当前输入模式是否可用于我的自定义损失函数？在设计自定义损失函数时，我打算优化&
浏览 1提问于2017-09-28得票数 23
回答已采纳
1回答
上下文
我想实现一个自定义丢失函数。给定输入和预测输出，就有一个真实的生命损失，可以用预测的输出和一些已知的属于输入的真实生活事实来计算。我更愿意使用这个现实生活中的损失值作为损失函数，而不是使用预测输出和预期输出之间的任何距离算法。每个给定的预测输出<em
浏览 2提问于2022-06-14得票数 -1
2回答
自定义损失函数的优化
、、、
我想在Keras中实现一个深度学习模型，但是我想使用我自己的损失函数，即自定义丢失。如果我实现了一些损失函数并使用作为模型，我是否需要改变优化器的工作方式，因为优化器将最小化我的损失函数？
浏览 0提问于2019-05-09得票数 0
回答已采纳
我正在使用一个高度倾斜的计数数据集，该数据集通常适合负二项式。我想在Keras或Tensorflow中使用负二项作为前馈神经网络的损失函数。据我所知，在查看了可用的损失函数后，keras或tensorflow不存在这样的函数(尽管我希望我错了，我只是错过了一些东西)。我环顾四周，看到一些帖子建议只交换损失以包含负二项式，但似乎在
浏览 7提问于2018-09-06得票数 5
1回答
我在课堂上玩过举重，但没有很有说服力的结果。从那时起，我发现了一些最近的算法，最著名的机器人星在毕火炬.我想把它作为一个定制的损失函数来应用。但是，k
浏览 7提问于2022-07-21得票数 1
1回答
我试图在Keras中使用一个自定义的F1得分函数，但我的目标变量是一个数组，我不想对它们进行热编码，所以我使用sparse_categorical_crossentropy作为损失。from keras import backend as K print(type(y_true))
return y_true 当我运行上面的代码时，我得到<em
浏览 11提问于2020-06-28得票数 0
1回答
我正在尝试实现一个自定义的损失函数。因此，我首先尝试通过直接封装一个默认的keras损失函数来创建一个自定义函数。tf.keras.losses.categorical_crossentrophy 但它并没有起作用。这怎么可能？我在过去使用过自定义函数，就在今天，这让我感到震惊。为什么它不起作用？如何才能让这个简单的函数
浏览 40提问于2020-10-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
