loss-function

0熱

1答えて

損失関数のジェネレータを使用

現在のバッチに依存するケラス損失関数に追加情報を組み込む必要があります。 Kerasの損失は2つの引数しか取らないので、私はこの情報を、ジェネレータオブジェクトのnext（）関数を呼び出すことによって追加することを検討しました。しかし、ジェネレータは一度だけ呼び出されます（おそらく、model.compile（）内のloss関数を追加するとき）。ここ はサンプルコードです： ​​ は新しいmeta

python neural-network keras loss-function 2017-11-29

---

2熱

1答えて

TensorFlow DNNRegressorトレーニングリグレッサーから損失値を取得する

tensorflow.estimator.DNNRegressorモデルをトレーニングするときにログに出力されるすべてのステップの損失値を取得したいと思います。 些細なナンセンス例を考える： In [1]: import pandas as pd In [2]: import numpy as np In [3]: import tensorflow as tf In [4]: X = pd

python tensorflow neural-network loss-function 2017-11-30

---

-1熱

1答えて

勾配降下によるバックプロパゲーションは、各フォワードパス後のエラーを表します

ニューラルネットワークのマルチレイヤパーセプトロンでは、確率的勾配（SGD）と勾配降下（GD）の主な違いは、トレーニング中。つまり、SGDは順方向パスを実行するために1つのサンプルを繰り返し選択し、続いて順方向パスでサンプル全体が計算された後にのみバックプロパゲーションが開始されるGDとは反対に、逆方向移動を行って重みを調整します。 私の質問は以下のとおりです。 はグラデーションディセント（あるい

machine-learning scikit-learn neural-network gradient-descent loss-function 2017-12-09

---

0熱

1答えて

mxnetで対照的な損失関数を実装する

kinectから取得した深さ画像を使用してsiamese netを訓練したいと思います。このネットワークを訓練するために対照的な喪失関数を使用したいと思いますが、mxnetでは対照的な損失関数は見つけられません。次のとおりです。 def LossFunc(distance, label, margin): distance = distance.reshape(label.shape) di

mxnet loss-function 2017-12-13

---

1熱

2答えて

テンソルフローによるペアワイズ損失関数はどのように実装できますか？

テンソルフローによるカスタマイズされたペアワイズ損失関数を実装しています。簡単な例では、訓練データは、5つのインスタンスを有し、そのラベルが y=[0,1,0,0,0] が予測は、この場合 y'=[y0',y1',y2',y3',y4'] であると想定し、簡単な損失関数は min f=(y0'-y1')+(y2'-y1')+(y3'-y1')+(y4'-y1') であってもよいですy[

tensorflow machine-learning deep-learning loss-function 2017-12-24

---

1熱

1答えて

テンソルフロー内のbatch_lossとtotal_loss = tf.get_total_loss（）

im2txtソースコードをim2txtに読み込むと問題が発生します。 batch_lossとtotal_lossがありますbatch_lossは、すべてのバッチデータに対して計算され、そしてtf.add_loss(batch_loss)呼び出しによってtf.Graphkeys.LOSSESに追加されます。 total_lossにはtf.losses.get_total_loss()があり、すべての

machine-learning tensorflow deep-learning backpropagation loss-function 2017-11-05

---

-1熱

1答えて

データが不均衡なバイナリクラスのセマンティックセグメンテーションの損失が収束しない

データセット全体（例えば、ICDAR 2015やCamVidの人物）の一部を占めるにすぎないオブジェクトを分割したい。ピクセルレベルでの正と負のサンプルの比は約1：200です。 私のネットワークは、訓練されたVGG16またはResNet50のバックボーンであり、CamVidデータセットでは12クラスでうまくいく可能性があります。しかし、このネットワークをCamVidの人だけに分割するように微調整す

machine-learning deep-learning image-segmentation pytorch loss-function 2017-12-25

---

0熱

1答えて

イメージセグメンテーションのためにCNNをトレーニングしている間に、私の損失はどのように急増しますか？

私はケア1.2.2とテンソル1.4.0のバックエンドを使用しています。 私はunetアーキテクチャを使用しています。私は650x650ピクセルと6つのシャネルの708イメージを持っています。ミラーリングと回転でデータセットを増強し、合計4248枚の画像を作成しました。 私は2つのクラスを持って、私の損失関数はこの1つである： def jaccard_coef_loss(y_true, y_pred

tensorflow deep-learning keras image-segmentation loss-function 2017-12-28

---

0熱

1答えて

カスタム損失機能：y_predのデータにmodel.predictを実行します。

画像をノイズ除去するためにネットワークを訓練しています。これはCIFAR10データセットを使用しています。私は損失がmse/classification_accuracyになるようにカスタム損失関数を生成しようとしています。 私のネットワークが入力として32x32（ノイズの多い）画像を受け取り、32x32（ノイズなし）の画像を予測すると、y_predとY_trueは32x32画像の配列になると仮定

tensorflow keras metrics loss loss-function 2017-12-30

---

0熱

1答えて

Tensorflow - 変動変動の合計 - reduce_sumとreduce_mean？

なぜreduce_meanの代わりにreduce_sumを使用することをお勧めしますか？ イメージのノイズを抑制するために、最適化中に損失機能として使用できます。あなたは、画像のバッチを持っている場合は、 和としてスカラー損失値を計算する必要があります： loss = tf.reduce_sum(tf.image.total_variation(images))

tensorflow loss-function 2017-12-02

---