将额外输入传递给 Keras Deep Network 以计算自定义成本函数

Question

我们有 1000x512x512x1 的输入图像 (input_x)，1000x512x512x1 的权重图 (input_w)。事实上，每张图像都有自己的权重图，它是在网络运行之前生成的，因此我们必须将它们作为第二个输入传递。两者都被馈送到网络，尽管这些权重图只是为了乘以损失函数而不是真正的张量（它们不来自任何层并且在到达损失函数之前保持模型的输入）。首先，我们的模型有两个输入，只有一个输出： model = keras.models.Model(inputs=[input_x, input_w], outputs=final_output)并且输入形状在网络开始时发生变化：input_x = layers.Input(shape=(512,512,1))input_w = layers.Input(shape=(512,512,1))input_x 穿过网络层，但 input_w 仅用于 customLoss ：model.compile(optimizer=optimizer, loss=customLoss(input_w), metrics=[dice_coef, mean_iou])由于 input_w 的附加参数，这是一个包装器：def customLoss(input_w):   def loss_fcn(y_true, y_pred):     bce = keras.losses.binary_crossentropy(y_true, y_pred)     dice_term = K.exp(1 + dice_coef(y_true, y_pred, 1.0))     return input_w * (bce - dice_term)  return loss_fcn在从数据集生成 X 和 W 之后，我们称拟合为 2 个输入，X 是 input_x（图像），W 是（权重图）。history= my_model.fit([X,W],y,validation_split=0.1, epochs=5000,batch_size=8, callbacks=[best_check])一切对我来说似乎都是正确的，但我收到了错误Epoch 1/5000---------------------------------------------------------------------------InvalidArgumentError                      Traceback (most recent call last)<ipython-input-11-b756059772c5> in <module>()      6                               patience=6,      7                               verbose=1, mode='auto')----> 8 history= my_model.fit([X,W],y,validation_split=0.1, epochs=5000,batch_size=8, callbacks=[best_check])/usr/local/lib/python3.6/dist-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)   1037                                         initial_epoch=initial_epoch,   1038                                         steps_per_epoch=steps_per_epoch,-> 1039                                         validation_steps=validation_steps)   1040    1041     def evaluate(self, x=None, y=None,

Answer 1

所有这些代码都是真实编写的，但是，由于该项目是在 google Colab 中开发的，因此发生了一些奇怪的错误，因此在多次重新连接页面后问题解决了！错误可能是由于断开连接！