Python 在Keras中指定模型编译的多重损失函数
我想指定两个损失函数,一个用于对象类,它是交叉熵,另一个用于边界框,它是均方误差。如何在model.compile中指定每个具有相应损失函数的输出Python 在Keras中指定模型编译的多重损失函数,python,tensorflow,keras,deep-learning,Python,Tensorflow,Keras,Deep Learning,我想指定两个损失函数,一个用于对象类,它是交叉熵,另一个用于边界框,它是均方误差。如何在model.compile中指定每个具有相应损失函数的输出 model = Sequential() model.add(Dense(128, activation='relu')) out_last_dense = model.add(Dense(128, activation='relu')) object_type = model.add(Dense(1, activation='softmax'))
model = Sequential()
model.add(Dense(128, activation='relu'))
out_last_dense = model.add(Dense(128, activation='relu'))
object_type = model.add(Dense(1, activation='softmax'))(out_last_dense)
object_coordinates = model.add(Dense(4, activation='softmax'))(out_last_dense)
/// here is the problem i want to specify loss function for object type and coordinates
model.compile(loss= keras.losses.categorical_crossentropy,
optimizer= 'sgd', metrics=['accuracy'])
首先,您不能在这里使用顺序API,因为您的模型有两个输出层(即,您编写的内容都是错误的,并且会引起错误)。相反,您必须使用: 现在,您可以根据上面给出的名称并使用字典为每个输出层指定损失函数(以及度量):
model.compile(loss={'type': 'binary_crossentropy', 'coord': 'mse'},
optimizer='sgd', metrics={'type': 'accuracy', 'coord': 'mae'})
此外,请注意,您正在使用softmax作为激活函数,我已将其更改为上面的sigomid
和linear
。这是因为:1)在具有一个单元的层上使用softmax没有意义(如果有两个以上的类,则应使用softmax),2)另一层预测坐标,因此使用softmax根本不合适(除非问题公式允许您这样做)
model.compile(loss={'type': 'binary_crossentropy', 'coord': 'mse'},
optimizer='sgd', metrics={'type': 'accuracy', 'coord': 'mae'})