我正在训练一个在最后一层具有连续输出的卷积网络。最后一层有4个节点。我用均方误差作为损失函数。作为检查,我使用了Tensorflow的均方误差。这只给出了第一个纪元第一批的相同结果。所以我的问题是为什么这些不同?我使用了最大池的卷积层,最后我把它展平并使用了dropout。在
此外,我还想知道如何计算4个节点的均方误差?它只是求每个节点的均方误差的总和吗?因为当我计算每个节点的均方误差时,没有明确的联系。在
这是公制。在
def loss(y_true, y_pred):
loss = tf.metrics.mean_squared_error(y_true, y_pred)[1]
K.get_session().run(tf.local_variables_initializer())
return loss
我在这里编译模型
^{pr2}$这是我如何计算一个节点的均方误差:
def node(y_true, y_pred):
loss = tf.metrics.mean_squared_error(y_true[:,0], y_pred[:,0])[1]
K.get_session().run(tf.local_variables_initializer())
return node
这是模型的简化形式:
width = height = 128
model = Sequential()
model.add(Convolution2D(filters=64, kernel_size=(5, 5), activation='relu', padding='same',
input_shape=(width, height, 1)))
model.add(MaxPooling2D(pool_size=(3, 3)))
model.add(Flatten())
model.add(Dense(units=256, activation='relu'))
model.add(Dropout(0.4))
model.add(Dense(units=4, activation='linear'))
adam = Adam(lr=0.01, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0)
model.compile(loss='mse', optimizer= adam, metrics=[loss,node])
目前没有回答
相关问题 更多 >
编程相关推荐