Keras 模型多输出 loss weight metrics 设置

本文最后更新于:2022年8月5日 晚上

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)

Keras 模型多输出 loss weight metrics 设置
https://www.zywvvd.com/notes/study/deep-learning/keras/keras-multi-metrics/keras-multi-metrics/
作者
Yiwei Zhang
发布于
2020年5月25日
许可协议