Keras 神经网络模型的多输出 loss weight metrics 设置

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。

模型输出

假设模型具有多个输出

• classify： 二维数组，分类softmax输出，需要配置交叉熵损失
• segmentation：与输入同尺寸map，sigmoid输出，需要配置二分类损失
• others：自定义其他输出，需要自定义损失

具体配置

model

• 变量均为模型中网络层

1 2 3

inputs = [input_1 , input_2] outputs = [classify, segmentation, others] model = keras.models.Model(inputs, outputs)

loss

1 2 3 4

my_loss = { 'classify': 'categorical_crossentropy',\ 'segmentation':'binary_crossentropy',\ 'others':my_loss_fun}

loss weight

1 2 3 4

my_loss_weights = { 'classify':1,\ 'segmentation':1,\ 'others':10}

metrics

1 2 3 4 5

my_metrics ={ 'classify':'acc',\ 'segmentation':[mean_iou,'acc'],\ 'others':['mse','acc'] }

编译

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/