week6CVlesson1_第1页
week6CVlesson1_第2页
week6CVlesson1_第3页
week6CVlesson1_第4页
week6CVlesson1_第5页
免费预览已结束，剩余1页可下载查看

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、模型训练与损失选择,harry 2020.01.04,初始化,损失函数,多次尝试调整调整Dice loss,2xy x 2 + y 2, ,2( 2 2 ) ( 2 + 2 ) 2,对于小的实例，分母较小，从而每个像素贡献的梯度变大； 对于大的实例，分母较大，从而每个像素贡献的梯度较小； Dice loss可以让小实例与大实例贡献梯度平衡,def lovasz_grad(gt_sorted): p = len(gt_sortd) gts = gt_sorted.sum() intersection = gts - gt_sorted.float().cumsum(0) union = gts

2、+ (1 - gt_sorted).float().cumsum(0) jaccard = 1. - intersection / union if p 1: # cover 1-pixel case jaccard1:p = jaccard1:p - jaccard0:-1 return jaccard,errors = (Variable(fg) - class_pred).abs() errors_sorted, perm = torch.sort(errors, 0, descending=True) perm = perm.data fg_sorted = fgperm losses

3、.append(torch.dot(errors_sorted, Variable(lovasz_grad(fg_sorted),准确得衡量了每个像素对IOU的影响，从而去调整梯度。,只减不增函数,目前感觉这个损失函数在我们这里依然有改进空间；这里的本质是使用L1损失，只不过根据对IOU的影响来调整梯度。并没有对多类不平衡的问题作出调整。,损失函数,增大了难易样本之间的梯度差别,损失函数,pytorch torch.nn.CrossEntropyLoss(这个损失实际上是先对预测的值先做softmax，然后再算交叉熵) torch.nn.BCELoss(二值交叉熵) torch.nn.BCEW

4、ithLogitsLoss(这个损失实际上是先对预测的值先做sigmoid，然后再算二值交叉熵) tensorflow sparse_categorical_crossentropy（类似于CrossEntropyLoss，这里有一个参数from_logits这个设置很重要，要明白这个参数得意义） binary_crossentropy（类似BCELoss，也有from_logits这个参数，需要注意）,损失函数,本代码中使用得是softmax+交叉熵， 如果同学们要使用sigmoid+交叉熵，注意测试时的同步变化。,在train.py文件中，我添加了device_list,大家要根据实际情况进行改变。 同时我设置了每张卡4张图，大家也要根据自己

人人文库> 全部分类> 应用文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论