赞
踩
keras支持模型多输入多输出,本文记录多输出时loss、loss weight和metrics的设置方式。
假设模型具有多个输出
1 2 3 | inputs = [input_1 , input_2] outputs = [classify, segmentation, others] model = keras.models.Model(inputs, outputs) |
1 2 3 4 | my_loss = { 'classify': 'categorical_crossentropy',\ 'segmentation':'binary_crossentropy',\ 'others':my_loss_fun} |
1 2 3 4 | my_loss_weights = { 'classify':1,\ 'segmentation':1,\ 'others':10} |
1 2 3 4 5 | my_metrics ={ 'classify':'acc',\ 'segmentation':[mean_iou,'acc'],\ 'others':['mse','acc'] } |
1 | model.compile(optimizer=Adam(lr=config.LEARNING_RATE), loss=my_loss, loss_weights= my_loss_weights, metrics= my_metrics) |
本文标题 : Keras 模型多输出 loss weight metrics 设置
文章作者 :
发布时间 : 2020年05月25日 - 18:50:19
最后更新 : 2020年06月19日 - 20:17:58
原始链接 : https://www.zywvvd.com/2020/05/25/deep_learning/keras/keras-multi-metrics/keras-multi-metrics/
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。