对象没有属性'_compile_metrics'，即使指标= ['accuracy']
这个问题涉及到了对象的属性和指标的问题。对象没有属性'_compile_metrics'可能是因为该对象没有定义或初始化这个属性，或者在某个地方被错误地删除或修改了。对于对象的属性'_compile_metrics'，以下是一些可能的答案：
- 对象属性'_compile_metrics'的概念： '_compile_metrics'是一个对象的属性，用于存储编译过程中的度量指标。在机器学习模型的编译过程中，可以通过设置'_compile_metrics'属性来定义模型的度量指标，例如准确率（accuracy）等。
- 对象属性'_compile_metrics'的分类： '_compile_metrics'属性属于机器学习模型的编译配置，是一个列表或数组类型的属性。
- 对象属性'_compile_metrics'的优势： 通过定义'_compile_metrics'属性，可以在编译模型时方便地设置和指定需要监测的度量指标，如准确率。这样可以帮助开发人员更好地了解模型在训练过程中的表现，并作出相应的优化和调整。
- 对象属性'_compile_metrics'的应用场景：
- 机器学习模型编译过程中，通过'_compile_metrics'属性设置需要监测的度量指标，如准确率，用于模型评估和优化。
- 在模型训练过程中，使用'_compile_metrics'属性指定需要监测的指标，可以实时地了解模型的性能和准确度。
- 腾讯云相关产品和产品介绍链接地址：
鉴于不能提及具体云计算品牌商，以下是一些可能的产品和链接示例，供参考：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiupml）
- 腾讯云数据智能平台（https://cloud.tencent.com/product/daip）
- 腾讯云人工智能开放平台（https://cloud.tencent.com/product/aiopen）
以上是关于对象属性'_compile_metrics'的可能回答。请注意，这只是一个示例答案，具体的回答可以根据实际情况和要求进行调整和补充。
相关·内容
1回答
我想要更新状态，所以这是我写的：
def create_keras_model():
...
return model
iterative_process = tff.learning.build_federated_averaging_process(..)
我的问题是损失增加了，而准确率却略有下降：
round 1, metrics=OrderedDict([('categorical_accuracy', 0.4675926), ('loss', 8.581259)])
round 2, metrics=OrderedDict([('ca
浏览 6提问于2021-05-17得票数 0
2回答
许多Keras指标tf.keras.metrics.Mean、tf.keras.metrics.Accuracy等都有一个名为name的可选属性。
这个属性的用例是什么？
浏览 0提问于2020-06-10得票数 0
1回答
我创建了自定义估计器，它在幕后使用了binary_classification_head()。所有工作都很好，但问题出在可见的指标上。我使用了tf.logging.set_verbosity(tf.logging.INFO)和tensorboard级别的日志记录，但我只看到损失值。我添加了这段代码，但它没有任何帮助。 def my_accuracy(labels, predictions):
return {'accuracy': tf.metrics.accuracy(labels, predictions['logistic'])}
classif
浏览 9提问于2019-03-19得票数 0
我试图对Keras模型进行拟合，并使用历史对象和计算函数来查看模型的性能。因此，要计算的代码如下：
optimizer = Adam (lr=learning_rate)
model.compile(loss='categorical_crossentropy',
optimizer=optimizer,
metrics=['accuracy')
for epoch in range (start_epochs, start_epochs + epochs):
history = model.f
浏览 2提问于2017-12-31得票数 12
回答已采纳
我用从keras_metrics导入的precision和recall指标训练了一个cnn模型。但是当我试图加载模型时，我得到了错误：ValueError: Unknown metric function:binary_precision。我没有在任何地方使用过binary_precision函数，但我仍然根据错误在custom_objects中给出了`binary_precision‘：
model = load_model(modelfilepath,custom_objects={'metrics': [keras_metrics.precision(),binary_
浏览 1提问于2019-10-05得票数 2
我找不到指标输出的适当描述。 例如，如果我使用 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 然后我得到损失和准确率tr_loss, tr_acc = model.train_on_batch(X, Y) 如果我用metrics=['categorical_accuracy']编译，那么我也会得到2个数字， 但是它们是什么呢？ 编辑:我做了这个：print(model.metrics_names)和go
浏览 20提问于2019-05-19得票数 3
回答已采纳
2回答
所以在我昨天用model.save('path')保存了我的模型后，我今天才发现TF2.3和keras保存模型有一些问题。这里已经描述了问题：。但公认的解决方案对我没有帮助。当我使用model = tf.keras.models.load_model('path')加载模型时，它返回的测试精度比保存它之前要低。使用
model.compile(optimizer = SGD(lr = 1e-3, momentum = 0.9, decay = 1e-6), #RMSProp
loss = 'binary_crossentropy
浏览 2提问于2021-08-04得票数 1
我试图在tensorflow模型中获得所有客户的损失，但没有运气。post how to print local outputs in tensorflow federated?的答案建议从头开始创建我们的NN模型。然而，我已经有了我的keras NN模型。那么，有没有办法仍然访问本地客户端损失，而不必从头开始构建NN呢？ 我尝试使用tff.federated_collect()，但不确定这是如何实现的。 这部分是我的尝试： trainer_Itr_Process = tff.learning.build_federated_averaging_process(model_fn_Fe
浏览 14提问于2019-06-14得票数 1
直到最近，我还在使用GridSearchCV来获取交叉验证中的std分数，方法是在中指定这个值。
所以基本上这么做
grid_search.cv_results_['std_test_score'][grid_search.best_index_]
但是现在我得到了一个键错误，告诉我'std_test_score‘不是键。
我就是这样调用GridSearchCV函数的
splitter = StratifiedKFold(n_splits=5, shuffle=True, random_state=11)
scoring_functions = {'mcc&
浏览 5提问于2021-02-08得票数 0
回答已采纳
我已经建立了一个模型，当我训练它时，我的验证损失比训练模型小，验证精度比训练模型高。模型是否过度拟合？我做错了什么吗？谁能看看我的模型，看看有没有什么问题？谢谢。
input_text = Input(shape=(200,), dtype='int32', name='input_text')
meta_input = Input(shape=(2,), name='meta_input')
embedding = Embedding(input_dim=len(tokenizer.word_index) + 1,
浏览 0提问于2020-03-01得票数 3
1回答
我有一个在keras中构建模型的函数，如下所示：
def build_model(lr = 0.0):
inp = Input(shape = (max_len,))
x = Embedding_layer
y = LSTM_layer(x)
y = Convolution_layer(y)
x = GlobalMaxPooling1D(y)
x = Dense(3, activation = "sigmoid")(x)
model = Model(inputs = inp, outputs = x)
model
浏览 1提问于2018-10-22得票数 0
我对tf.callbacks.ModelChekpoint有意见。正如您在我的日志文件中看到的，警告总是在计算val_acc的最后一次迭代之前出现。因此，Modelcheckpoint永远找不到val_acc Epoch 1/30
1/8 [==>...........................] - ETA: 19s - loss: 1.4174 - accuracy: 0.3000
2/8 [======>.......................] - ETA: 8s - loss: 1.3363 - accuracy: 0.3500
3/8 [========
浏览 501提问于2020-04-29得票数 13
回答已采纳
我刚开始使用keras，我尝试为mnist数据集在keras.datasets中构建一个模型。
这是我的初始代码：
import tensorflow as tf
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
然后，我定义了一个模型：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.lay
浏览 0提问于2018-12-02得票数 2
回答已采纳
我的演示在这里-： a=[1.47, 4.13, -2.51, 2.47, 5.45, 4.3, 8.97, -0.19, 11.79]
b=[1, 4, 2, 1, 2, 2, 1, 1, 2]
from sklearn.metrics import accuracy_score
f=accuracy_score(a, b)
print(f) 这是错误ValueError: Classification metrics can't handle a mix of multiclass and continuous targets 有没有办法解决这个
浏览 15提问于2019-12-20得票数 1
1回答
在keras中获得对纪元的调用
、、、、
我正在使用编译我的模型 metrics=["accuracy", keras.metrics.Recall()] 如文档中所述。但是，当我在训练完模型后试图获得它时，我得到了一个key_error“召回”。两个版本， recall = estimator_bio.history["Recall"]
recall = estimator_bio.history["recall"] 结果 KeyError: 'Recall' 而 accuracies = estimator_bio.history["accuracy"
浏览 19提问于2020-12-09得票数 0
回答已采纳
我正在尝试将SGDRegressor与我的数据相匹配，然后检查其准确性。拟合工作正常，但是预测不是相同的数据类型(？)作为原始目标数据，我得到了错误
ValueError: Can't handle mix of multiclass and continuous
调用print "Accuracy:", ms.accuracy_score(y_test,predictions)时。
数据看起来像这样(只有200,000多行)：
Product_id/Date/product_group1/Price/Net price/Purchase price/Hour/Quan
浏览 0提问于2016-05-22得票数 37
回答已采纳
1回答
如何在Optuna的objective函数中同时优化多个指标。例如，我正在训练一个LGBM分类器，希望为所有常见的分类指标找到最佳的超参数集，如F1、精确度、召回率、准确度、AUC等。 def objective(trial):
# Train
gbm = lgb.train(param, dtrain)
preds = gbm.predict(X_test)
pred_labels = np.rint(preds)
# Calculate metrics
accuracy = sklearn.metrics.accuracy_score(y
浏览 85提问于2021-09-06得票数 1
回答已采纳
我正在训练一个tensorflow联合学习模型。我看不见时代的成果。详情如下：
split = 4
NUM_ROUNDS = 5
NUM_EPOCHS = 10
BATCH_SIZE = 2
PREFETCH_BUFFER = 5
for round_num in range(1, NUM_ROUNDS+1):
state, tff_metrics = iterative_process.next(state, federated_train_data)
print('round {:2d}, metrics{}'.format(round_num,tff_m
浏览 9提问于2022-06-16得票数 1
回答已采纳
我一直在测试构建nn模型的不同方法(tensorflow，keras)，我发现在编译模型的过程中指标有一些奇怪的地方。
我检查了两种方式：
model.compile(
loss=keras.losses.CategoricalCrossentropy(),
optimizer=keras.optimizers.Adam(),
metrics=keras.metrics.Accuracy()
)
和
model.compile(
loss=keras.losses.CategoricalCrossentro
浏览 1提问于2020-11-26得票数 2
1回答
我正在使用Logistic回归创建一个分类问题的模型。
数据- 5000*100
由于数据很小，我真的很想利用Logistic回归CV，因为它有助于不将数据分开训练和测试，从而增加训练集
我希望看到精确度、召回率和F1的CV分数-所有5倍的分数，并根据准确性对模型进行拟合
代码给出了下面的错误- dict对象不可调用
使用的代码-
C=[np.power(10.0,0)]
scorers = {
'precision_score': make_scorer(precision_score),
'recall
浏览 15提问于2019-11-22得票数 0
要编译tf.keras模型，您可以这样做：
model.compile(
optimizer='sgd',#'adam', or what not
loss='sparse_categorical_crossentropy',
metrics=['accuracy','mae']
)
还有哪些指标可以用作' metrics‘的参数值？我试图在中寻找它们，但没有结果。我在找整个名单。
编辑:我知道可以使用显式的形式。例如：
metrics=[tf.keras.metrics.Mean
浏览 3提问于2020-09-24得票数 1
我想监测我的tensorflow模型的准确性，但是，当使用metrics=['accuracy']或metrics=[tf.keras.metrics.Accuracy()]编译我的模型时，然后训练我的模型时会弹出以下警告。
警告:tensorflow:以度量accuracy为条件的早期停止是不可用的。可用的衡量标准是:损失，val_loss
model.compile(optimizer='adam', loss='mean_squared_error', metrics=["tried both options i mentioned
浏览 4提问于2021-06-07得票数 1
回答已采纳
1回答
我正在训练一个通用的基于LSTM的自动编码器来获取句子嵌入，bleu的分数是精确的度量。将该模型编码为输出与标签长度相同的标记数，从而利用标记输出与相应标记令牌之间的交叉熵损失计算损失，并将其加到要反向传播的总损失中，嵌入大小为1000整条。
这是原木：-
Training Epoch: 1/20, Training Loss: 78.32446559076034, Training Accuracy: 0.23442341868755373
Validation Epoch: 1/20, Validation Loss: 75.11487170562003, Validation Accur
浏览 0提问于2020-01-28得票数 0
回答已采纳
1回答
在使用TensorFlow Keras构建分类器时，通常通过在编译步骤中指定metrics=['accuracy']来监视模型的准确性：
model = tf.keras.Model(...)
model.compile(optimizer=..., loss=..., metrics=['accuracy'])
无论模型是否输出逻辑或类概率，以及模型是否期望地面真相标签为一个热编码向量或整数索引(即区间[0, n_classes)中的整数)，这一行为都是正确的。
如果要使用交叉熵损失，则不是这样:上述四种情况的每一种组合都需要在编译过程中传递不同的loss值：
浏览 2提问于2019-09-18得票数 3
回答已采纳
1回答
我的数据X有一个keras模型。使用的代码是：
X=np.array(data[['tags1','prx1','prxcol1','p1','p2','p3']].values)
t=np.array(data.read.values)
n=np.array(data.read.values)
import keras
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow as
浏览 0提问于2020-06-11得票数 1
关于，在训练期间，我得到了多个损失和准确性。例如,
Epoch 1/100
1382/1382 [==============================] - 694s 502ms/step - loss: 0.6798 - decoder_loss: 0.3399 - decoder_accuracy: 0.5770 - decoder_accuracy_1: 0.5770 - val_loss: 0.6606 - val_decoder_loss: 0.3373 - val_decoder_accuracy: 0.5783 - val_decoder_accuracy_1: 0.57
浏览 4提问于2020-02-20得票数 0
回答已采纳
2回答
以前，我在Android v1中创建了一个扩展GeoPoint的类：
class CyclePoint extends GeoPoint {
public float accuracy;
public double altitude;
public float speed;
public double time;
public CyclePoint(int lat, int lgt, double currentTime) {
super(lat, lgt);
this.time = currentTime;
}
浏览 5提问于2013-10-30得票数 6
回答已采纳
在训练的同时，建立了Keras模型和，分类精度指标达到0.78。
但是，在对模型进行培训之后，当我运行以下代码时，当预测输出相同的培训数据时：
predicted_labels = model.predict(input_data)
acc = sklearn.metrics.accuracy_score(true_labels, predicted_labels)
精度为0.39。总之，对于Keras和Sklearn，我没有得到相同的精确结果。
浏览 2提问于2018-12-05得票数 0
1回答
我有一个多类(7个标签)分类问题在MLP中实现。我试图根据一些数据对7种癌症进行分类。总体精度较低，约为58%。然而，对于不同的参数，有些癌症的分类准确率在90%左右。低于癌症1,2,3等意味着不同类型的癌症，例如1=乳腺癌，2=肺癌等。现在，对于不同的参数设置，我得到了不同的分类精度。例如,
1.超参数
learning_rate = 0.001
training_epochs = 10
batch_size = 100
hidden_size = 256
#overall accuracy 53%, cancer 2 accuracy 91%, ca
浏览 0提问于2018-01-17得票数 2
1回答
为了提高随机森林回归模型的准确性，我将scikit学习标准特征定标器改为MinMax定标器。在标准标量期间，我没有得到错误。精度提高了，但计算MAPE的时候我得到的误差低于。
Mean Absolute Error: 0.03
Accuracy: -inf %.
__main__:5: RuntimeWarning: divide by zero encountered in true_divide
守则是：
from sklearn.preprocessing import MinMaxScaler
sc_X = MinMaxScaler()
X_train = sc_X.fit_tran
浏览 1提问于2018-11-03得票数 2
回答已采纳
1回答
我对三种不同的f1计算感到困惑。对于严重不平衡的数据，我应该使用哪种f1评分？我正在研究一个严重不平衡的二进制分类。
‘f1’
‘f1_micro’
‘f1_macro’
‘f1_weighted’
另外，我想在balanced_accuracy评分参数中添加balanced_accuracy_score(y_true, y_pred, adjusted=True)。如何将其合并到我的代码中？
from sklearn.model_selection import cross_validate
from sklearn.metrics import make_scorer
from sklea
浏览 11提问于2021-04-07得票数 0
我正在使用python scikit-learn训练ML逻辑分类器来对两个类进行分类。他们处于极不平衡的数据中(大约14300:1)。我得到了几乎100%的准确率和ROC-AUC，但准确率，召回率和f1分数为0。我理解在非常不平衡的数据中，准确性通常是没有用的，但为什么ROC-AUC度量也接近完美？
from sklearn.metrics import roc_curve, auc
# Get ROC
y_score = classifierUsed2.decision_function(X_test)
false_positive_rate, true_positive_rate, t
浏览 0提问于2016-01-10得票数 22
回答已采纳
在运行了6种test set模型之后，我在binary classification problem上有以下评估指标：
accuracy logloss AUC
1 19% 0.45 0.54
2 67% 0.62 0.67
3 66% 0.63 0.68
4 67% 0.62 0.66
5 63% 0.61 0.66
6 65% 0.68 0.42
我有以下问题：
如何才能使1模型在logloss方面是最好的( logloss是最接近0的)，因为它表现最差(就accuracy而
浏览 0提问于2019-10-29得票数 1
我已经使用tensorflow罐头模型tf.Estimator.LogisticClassifier以分布式方式训练了一个逻辑回归模型。每X秒创建一个检查点，并对每个检查点执行评估。
是否可以保存每个检查点获得的评估指标？
我注意到评估指标可能已经保存，但我不知道它们可以保存在哪里，以及如何读取它们：
INFO:tensorflow:Saving dict for global step 2000: accuracy = 1.0, accuracy_baseline = 1.0, auc = 1.0, auc_precision_recall = 0.0, average_loss = 0.0
浏览 0提问于2018-09-04得票数 1
在tensorflow 中，我们可以看到以下代码：
----------------------------------------------------------------------------
# Evaluate accuracy.
accuracy_score = classifier.evaluate(input_fn=get_test_inputs,
steps=1)["accuracy"]
-----------------------------------------
浏览 3提问于2017-05-04得票数 0
在这里，我尝试使用LSTM回归模型根据实际值来预测该值。在预测值之后，我需要找到预测值与实际值的预测准确率百分比。
我试过了，但它给了我很大的负值。
下面是我的代码：
pred=model.predict(x_test)
pred = scaler_y.inverse_transform(np.array(pred).reshape ((len(pred), 1)))
real_test = scaler_y.inverse_transform(np.array(y_test).reshape ((len(y_test),1))).astype(int)
pred = pred[:,0]
re
浏览 4提问于2020-01-24得票数 0
我正在学习一些Keras教程，我知道model.compile方法创建了一个模型，并采用' metrics‘参数来定义在训练和测试期间用于评估的指标。
compile(self, optimizer, loss, metrics=[], sample_weight_mode=None)
我遵循的教程通常使用"metrics='accuracy'“。我想使用其他指标，如fmeasure，阅读时，我知道有很多选择。但是我不知道如何将它们传递给compile方法？
例如：
model.compile(loss='binary_crossentropy'
浏览 3提问于2016-11-30得票数 7
回答已采纳
2回答
多标签分类Keras指标
、、、
在Keras中，哪个指标更适合多标签分类：accuracy还是categorical_accuracy？显然，在这种情况下，最后一个激活函数是sigmoid，as损失函数是binary_crossentropy。
浏览 75提问于2018-12-21得票数 5
回答已采纳
1回答
我想使用准确率、精确度、召回率和F-measure作为性能度量。在只考虑准确性的情况下，代码工作得很好，但是当有很多指标时，我会得到错误。我想知道我怎样才能做到这一点？
import matplotlib.pyplot as plt
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassif
浏览 2提问于2021-03-29得票数 0
我在带有patience=2的回调中使用EarlyStopping在keras中训练了一个模型
model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, validation_split=validation_split,
callbacks= [keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=2, verbose=0, mode='min'), keras.callbacks.Mode
浏览 1提问于2020-11-26得票数 1
我有一个由3个集装箱化组件组成的管道。在最后一个组件中，我将我想要的指标写到一个名为/mlpipeline-metrics.json的文件中，就像它解释here一样。这是我使用的Python代码。 metrics = {
'metrics': [
{
'name': 'accuracy',
'numberValue': accuracy,
'format': 'PERCENTAGE',
浏览 12提问于2020-03-18得票数 1
回答已采纳
我正在尝试运行LSTM，当我使用以下代码时：
model.compile(optimizer='rmsprop', loss='binary_crossentropy',
metrics=['accuracy', 'f1score', 'precision', 'recall'])
它返回：
ValueError: ('Unknown metric function', ':f1score').
我已经搜索过了，找到了这个网址：
此url中
浏览 1提问于2017-04-11得票数 6
回答已采纳
我试图在keras中绘制训练和测试学习曲线，然而，以下代码产生了KeyError: 'val_acc error。
官方文档<https://keras.io/callbacks/>指出，为了使用'val_acc'，我需要启用验证和准确性监控，我不理解这些功能，也不知道如何在代码中使用它们。
任何帮助都将不胜感激。谢谢。
seed = 7
np.random.seed(seed)
dataframe = pandas.read_csv("iris.csv", header=None)
dataset = dataframe.values
X
浏览 4提问于2016-10-06得票数 21
如果我用scikit learn中的参数class_weight='balanced'训练分类器(比如LogisticRegression())，那么当我的类在数据集中不平衡时，我应该使用常规精度度量(即accuracy_score)还是平衡精度(即balanced_accuracy_score)？
换句话说，使用两个参数中的一个(在训练或测量时)是否可以避免或必须使用另一个参数？
浏览 8提问于2021-03-23得票数 0
Colab代码为
我遵循文档的来获得多类预测的结果。
当我训练时使用
#last layer
tf.keras.layers.Dense(2, activation='softmax')
model.compile(optimizer="adam",
loss=tf.keras.losses.CategoricalCrossentropy(),
metrics=[tf.keras.metrics.CategoricalAccuracy(),
tfa.metri
浏览 41提问于2021-03-01得票数 0
1回答
我的模型分类图像过度拟合CNN
、、、、
我试图通过添加层和下拉来改变我的验证精度，但是我仍然没有改变，但是我的精度超过了95%，而且我的验证精度总是停留在88%。
我的分裂：
x_train,x_validate,y_train,y_validate = train_test_split(x_train,y_train,test_size = 0.2,random_state = 42)
分割数据(形状)后：
x_train shape: (5850,)
x_train shape: (5850,)
x_validate shape: (1463,)
y_validate shape: (1463,)
x_test shape: (
浏览 11提问于2022-04-26得票数 -1
回答已采纳
1回答
显着地过度拟合CV
、、、、
我在做一项二进制分类任务。数据集很小，有1800行和60列。行中没有重复项。我比较了标准分类器中的不同分类器:随机林、logistic回归、增强树和SVC。我用90% (训练)的CV训练超参数，10%的训练来测量泛化误差(测试)。数据集略有不平衡(1 :3的类比例)，因此我对所有的拆分都使用了分层折叠。我还使用roc作为我的简历的衡量标准。
我得到了以下的结果，roc的分数和准确性：
DummyClassifier
Train
ROC-AUC score: 0.50000
Accuracy: 0.69705
Test
ROC-AUC score: 0.50000
Accuracy: 0.69
浏览 0提问于2018-04-05得票数 1
回答已采纳
1回答
模型精度:如何确定？
、、、、
对于构造分类器的方法，如多项式朴素贝叶斯或支持向量机，我有一些疑问。我将通过这些步骤来看看这个方法是否可行。我没有太多的经验，在模型建设，所以任何建议都会很好！我的数据集大约。1115枚具有正值(0)，66枚具有负值(1)。受抚养人变量的分布如下图所示。
📷
我将数据集划分为列车(70)和测试(30)，使用分层(希望在类之间出现这样的差异时会有所帮助)：
from sklearn.model_selection import train_test_split
y=df['Label']
X_train, X_test, y_train, y_test = train_test
浏览 0提问于2020-10-13得票数 0
回答已采纳
我需要帮助重塑我的输入以匹配我的输出。 我想创建一个对‘所有信息’信息进行矢量化和分类的模型，这样标签‘’Fall‘就可以分为0和1。然而，我一直得到[ValueError: Found input variables with inconsistent of samples: 2552，1]错误。这个“形状”看起来很好，但我不知道怎么修理它。 ## Linear Regression
import pandas as pd
import numpy as np
from tqdm import tqdm
#instance->fit->predict
from sklear
浏览 52提问于2020-08-31得票数 0
1回答
我有一个高度不平衡的3D数据集，其中大约80%的体积是背景数据，我只对前景元素感兴趣，这些元素在随机位置上占总体积的20%左右。这些位置被记录在给网络的标签张量中。目标张量是二进制的，其中0表示背景，1表示我们感兴趣或想要分割的区域。
每个卷的大小为[30,512,1024]。我使用[30,64,64]大小的块迭代每个卷。因此，我的大多数块在目标张量中只有0值。
我读到DiceLoss很好地解决了这类问题，并成功地用于分割3DMRI扫描。这里有一个简单的实现：
def dice_loss(input, target):
smooth = 1.
iflat = input.vi
浏览 2提问于2018-12-11得票数 1
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
实时音视频
云直播活动推荐
腾讯云开发者
