我尝试在 Keras 中实现 PIL 逊线性系数作为度量,但是由于占位符,我无法使用该度量编译我的模型。
def CC(y_true, y_pred):
y_true = K.clip(y_true, K.epsilon(), 1)
y_pred = K.clip(y_pred, K.epsilon(), 1)
n_y_true=y_true/(K.sum(y_true)+K.epsilon())
n_y_pred=y_pred/(K.sum(y_pred)+K.epsilon())
y_true_average=K.mean(y_true)
y_pred_average=K.mean(y_pred)
print((K.map_fn(lambda x: x-y_pred_average,n_y_pred)).shape[0])
if not(K.map_fn(lambda x: x-y_pred_average,n_y_pred)).shape[0]==None:
return (K.sum(K.dot((K.map_fn(lambda x: x-y_pred_average,n_y_pred)),(K.map_fn(lambda x: x-y_true_average,n_y_true))))/(K.count_params(n_y_true)-1))/(K.dot(K.std(n_y_pred),K.std(n_y_true)))
else:
return 0
我尝试使用 K.dot 而不是 *,但仍然存在相同的错误。在编译过程中,我收到错误unsupported operand type(s) for *: 'NoneType' and 'NoneType
。我不知道如何解决它。发生这种情况是因为我想将两个张量按元素相乘,但形状中的批量大小在编译期间未定义并表示为 ?形状为(?,224,224,3)。有没有办法设置或解决它?
最佳答案
问题在于两个事实:
- 张量的第一个维度是批量维度(这就是为什么在模型编译期间设置为
None
)。 - 您使用
sum
和mean
的方式使得您也在计算中包含了这个附加维度。
您的 Pearson 相关损失应如下所示:
def pearson_loss(y_true, y_pred):
y_true = K.clip(y_true, K.epsilon(), 1)
y_pred = K.clip(y_pred, K.epsilon(), 1)
# reshape stage
y_true = K.reshape(y_true, shape=(-1, 224 * 224 * 3))
y_pred = K.reshape(y_pred, shape=(-1, 224 * 224 * 3))
# normalizing stage - setting a 0 mean.
y_true -= y_true.mean(axis=-1)
y_pred -= y_pred.mean(axis=-1)
# normalizing stage - setting a 1 variance
y_true = K.l2_normalize(y_true, axis=-1)
y_pred = K.l2_normalize(y_pred, axis=-1)
# final result
pearson_correlation = K.sum(y_true * y_pred, axis=-1)
return pearson_correlation
关于python-3.x - PIL 逊线性系数keras,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48171188/