Keras 如何管理活动轮廓丢失的多标签分割图？

我使用的活动轮廓损失（）如下所示：

from keras import backend as K
import numpy as np
def Active_Contour_Loss(y_true, y_pred): 

#y_pred = K.cast(y_pred, dtype = 'float64')


x = y_pred[:,:,1:,:] - y_pred[:,:,:-1,:] # horizontal and vertical directions 
y = y_pred[:,:,:,1:] - y_pred[:,:,:,:-1]

delta_x = x[:,:,1:,:-2]**2
delta_y = y[:,:,:-2,1:]**2
delta_u = K.abs(delta_x + delta_y) 

epsilon = 0.00000001 # where is a parameter to avoid square root is zero in practice.
w = 1
lenth = w * K.sum(K.sqrt(delta_u + epsilon)) # equ.(11) in the paper

"""
region term
"""

C_1 = np.ones((256, 256))
C_2 = np.zeros((256, 256))

region_in = K.abs(K.sum( y_pred[:,0,:,:] * ((y_true[:,0,:,:] - C_1)**2) ) ) # equ.(12) in the paper
region_out = K.abs(K.sum( (1-y_pred[:,0,:,:]) * ((y_true[:,0,:,:] - C_2)**2) )) # equ.(12) in the paper

lambdaP = 1 # lambda parameter could be various.

loss =  lenth + lambdaP * (region_in + region_out) 

return loss

但是，当我将其用于U-net模型时。我在编译时遇到以下错误

    InvalidArgumentError                      Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in _create_c_op(graph, node_def, inputs, control_inputs)
   1606   try:
-> 1607     c_op = c_api.TF_FinishOperation(op_desc)
   1608   except errors.InvalidArgumentError as e:

InvalidArgumentError: Dimensions must be equal, but are 4 and 256 for 'loss_2/activation_57_loss/mul_1' (op: 'Mul') with input shapes: [?,256,4], [?,256,256].

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
12 frames
<ipython-input-33-b98b233ef3b2> in <module>()
     50 # model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
     51 
---> 52 model.compile(optimizer='adam', loss=Active_Contour_Loss, metrics=['accuracy'])

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in compile(self, optimizer, loss, metrics, loss_weights, sample_weight_mode, weighted_metrics, target_tensors, **kwargs)
    343                 with K.name_scope(self.output_names[i] + '_loss'):
    344                     output_loss = weighted_loss(y_true, y_pred,
--> 345                                                 sample_weight, mask)
    346                 if len(self.outputs) > 1:
    347                     self.metrics_tensors.append(output_loss)

/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in weighted(y_true, y_pred, weights, mask)
    426         """
    427         # score_array has ndim >= 2
--> 428         score_array = fn(y_true, y_pred)
    429         if mask is not None:
    430             # Cast the mask to floatX to avoid float64 upcasting in Theano

<ipython-input-32-b273672af934> in Active_Contour_Loss(y_true, y_pred)
     28         C_2 = np.zeros((256, 256))
     29 
---> 30         region_in = K.abs(K.sum( y_pred[:,0,:,:] * ((y_true[:,0,:,:] - C_1)**2) ) ) # equ.(12) in the paper
     31         region_out = K.abs(K.sum( (1-y_pred[:,0,:,:]) * ((y_true[:,0,:,:] - C_2)**2) )) # equ.(12) in the paper
     32 

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/math_ops.py in binary_op_wrapper(x, y)
    897     with ops.name_scope(None, op_name, [x, y]) as name:
    898       if isinstance(x, ops.Tensor) and isinstance(y, ops.Tensor):
--> 899         return func(x, y, name=name)
    900       elif not isinstance(y, sparse_tensor.SparseTensor):
    901         try:

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/math_ops.py in _mul_dispatch(x, y, name)
   1204   is_tensor_y = isinstance(y, ops.Tensor)
   1205   if is_tensor_y:
-> 1206     return gen_math_ops.mul(x, y, name=name)
   1207   else:
   1208     assert isinstance(y, sparse_tensor.SparseTensor)  # Case: Dense * Sparse.

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/gen_math_ops.py in mul(x, y, name)
   6699   # Add nodes to the TensorFlow graph.
   6700   _, _, _op = _op_def_lib._apply_op_helper(
-> 6701         "Mul", x=x, y=y, name=name)
   6702   _result = _op.outputs[:]
   6703   _inputs_flat = _op.inputs

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/op_def_library.py in _apply_op_helper(self, op_type_name, name, **keywords)
    792         op = g.create_op(op_type_name, inputs, dtypes=None, name=scope,
    793                          input_types=input_types, attrs=attr_protos,
--> 794                          op_def=op_def)
    795 
    796       # Conditionally invoke tfdbg v2's op callback(s).

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/util/deprecation.py in new_func(*args, **kwargs)
    505                 'in a future version' if date is None else ('after %s' % date),
    506                 instructions)
--> 507       return func(*args, **kwargs)
    508 
    509     doc = _add_deprecated_arg_notice_to_docstring(

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in create_op(***failed resolving arguments***)
   3355         raise TypeError("Input #%d is not a tensor: %s" % (idx, a))
   3356     return self._create_op_internal(op_type, inputs, dtypes, input_types, name,
-> 3357                                     attrs, op_def, compute_device)
   3358 
   3359   def _create_op_internal(

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in _create_op_internal(self, op_type, inputs, dtypes, input_types, name, attrs, op_def, compute_device)
   3424           input_types=input_types,
   3425           original_op=self._default_original_op,
-> 3426           op_def=op_def)
   3427       self._create_op_helper(ret, compute_device=compute_device)
   3428     return ret

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in __init__(self, node_def, g, inputs, output_types, control_inputs, input_types, original_op, op_def)
   1768           op_def, inputs, node_def.attr)
   1769       self._c_op = _create_c_op(self._graph, node_def, grouped_inputs,
-> 1770                                 control_input_ops)
   1771     # pylint: enable=protected-access
   1772 

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in _create_c_op(graph, node_def, inputs, control_inputs)
   1608   except errors.InvalidArgumentError as e:
   1609     # Convert to ValueError for backwards compatibility.
-> 1610     raise ValueError(str(e))
   1611 
   1612   return c_op

ValueError: Dimensions must be equal, but are 4 and 256 for 'loss_2/activation_57_loss/mul_1' (op: 'Mul') with input shapes: [?,256,4], [?,256,256].

InvalidArgumentError回溯（最近一次调用上次）
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in_create_c_op（图形、节点定义、输入、控制输入）
1606尝试：
->1607 c_op=c_api.TF_FinishOperation（op_desc）
1608错误除外。InvalidArgumentError为e:
InvalidArgumentError：维度必须相等，但对于输入形状为[？，256,4]，？，256256]的“丢失/激活”\u 57\u丢失/多个1”（op:“多个”），维度为4和256。
在处理上述异常期间，发生了另一个异常：
ValueError回溯（最近一次调用上次）
12帧
在（）
50#model.compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['accurity']）
51
--->52 model.compile（优化器='adam'，loss=Active\u Contour\u loss，metrics=['accurity']））
/编译中的usr/local/lib/python3.6/dist-packages/keras/engine/training.py（self、optimizer、loss、metrics、loss\u weights、sample\u weight\u mode、weighted\u metrics、target\u tensors、**kwargs）
343带有K.name_作用域（self.output_names[i]+''u loss'）：
344输出损耗=加权损耗，
-->345样品（重量，面罩）
346如果透镜（自输出）>1：
347自度量张量追加（输出损失）
/usr/local/lib/python3.6/dist-packages/keras/engine/training\u utils.py in weighted（y_true，y_pred，weights，mask）
426         """
427#score_数组的ndim>=2
-->428分数数组=fn（y_真，y_pred）
429如果掩码不是无：
430#将遮罩投射到floatX，以避免float64向上投射
在活动轮廓损失中（y_真，y_pred）
28 C_2=np.零（（256，256））
29
--->本文中的30个区域=K.abs（K.sum（y_pred[：，0，：，：]*（（y_true[：，0，：，：：]-C_1）**2））等于（12）
本文中的31个区域=K.abs（K.sum（（1-y_pred[：，0，：，：]）*（（y_true[：，0，：，：]-C_2）**2））#等式（12）
32
/二进制op_包装中的usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/math_ops.py（x，y）
897操作名称\范围（无，操作名称，[x，y]）作为名称：
898如果isinstance（x，运算张量）和isinstance（y，运算张量）：
-->899返回函数（x，y，name=name）
900 elif不存在（y，稀疏张量稀疏传感器）：
901尝试：
/usr/local/lib/python3.6/dist-packages/tensorflow\u core/python/ops/math\u ops.py in\u mul\u dispatch（x，y，name）
1204是张量（y，运算张量）
1205如果是张量：
->1206返回gen_math_ops.mul（x，y，name=name）
1207其他：
1208断言存在（y，稀疏张量。稀疏传感器）#情况：稠密*稀疏。
/mul中的usr/local/lib/python3.6/dist-packages/tensorflow\u core/python/ops/gen\u math\u ops.py（x，y，name）
6699#将节点添加到TensorFlow图。
6700 u，u，_op=_op_def_lib._apply_op_helper(
->6701“Mul”，x=x，y=y，name=name）
6702 _结果=_运算输出[：]
6703 _输入_平坦=_操作输入
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/op_def_library.py in_apply_op_helper（self，op_type_name，name，**关键字）
792 op=g.create_op（op_type_name，inputs，dtypes=None，name=scope，
793输入类型=输入类型，属性=属性协议，
-->794 op_def=op_def）
795
796#有条件地调用tfdbg v2的op回调。
/新函数中的usr/local/lib/python3.6/dist-packages/tensorflow_core/python/util/deprecation.py（*args，**kwargs）
505“在未来版本中”如果日期不是其他日期（“在%s“%date”之后），
506（说明）
-->507返回函数（*args，**kwargs）
508
509 doc=\u添加\u不推荐的\u参数\u通知\u到\u docstring(
/create_op中的usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py（***解析参数失败***）
3355 raise TypeError（“输入#%d不是张量：%s”%（idx，a））
3356返回自我。创建操作内部（操作类型、输入、数据类型、输入类型、名称、，
->3357属性、运算定义、计算设备）
3358
3359定义创建操作内部(
/usr/local/lib/python3.6/dist-packages/tensorflow\u core/python/framework/ops.py in\u create\u op\u internal（self、op\u类型、输入、数据类型、输入类型、名称、属性、op\u def、计算设备）
3424输入类型=输入类型，
3425原始值=自身值。默认值原始值，
->3426 op_def=op_def）
3427 self.\u create\u op\u helper（ret，compute\u device=compute\u device）
3428返回ret
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in_uuu___init_u_（self、node_def、g、input、output_type、control_input、input_type、original_op、op_def）
1768操作定义，输入，节点定义属性）
1769 self._c_op=_create_c_op（self._图形、节点定义、分组输入、，
->1770控制（输入操作）
1771#pylint:enable=受保护访问
1772
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py in_create_c_op（图形、节点定义、输入、控制输入）
1608错误除外。InvalidArgumentError为e:
1609#转换为ValueError以实现向后兼容性。
->1610提升值错误（str（e））
1611
1612返回c_op
ValueError：维度必须相等，但对于输入形状为[？，256,4]，？，256256]的“丢失/激活\u 2/丢失/多个1”（op:“多个”）而言，维度为4和256。

---

我试图用形状（256256,4）指定C_1和C_2。但是，分割掩码没有生成。我是否遗漏了什么？

您为活动轮廓共享的源代码似乎很好。Pr

a0 = np.zeros([1,256,256,1], dtype='float64')
a0[0,...] = np.expand_dims(C_1, -1).astype(np.float64)
a1 = np.zeros([1,256,256,1], dtype='float64')
a1[0,...] = np.expand_dims(C_2, -1).astype(np.float64)
los_ac = Active_Contour_Loss(a0, a1)
print(sess.run(los_ac))