yolov3算法中关于loss={'yolo_loss': lambda y_true, y_pred: y_pred}的理解

2024-04-20 20:18

本文主要是介绍yolov3算法中关于loss={'yolo_loss': lambda y_true, y_pred: y_pred}的理解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

yolov3算法中关于loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}的理解

参考文献:
(1)https://www.jianshu.com/p/7e45586c44be
(2)https://blog.csdn.net/wangdongwei0/article/details/82563689?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
(3)https://kexue.fm/archives/4493

所用的yolov3代码: https://github.com/qqwweee/keras-yolo3 ,解压之后用pycharm打开。

在train.py中有如下代码,对模型进行编译:

    if True:model.compile(optimizer=Adam(lr=1e-3), loss={# use custom yolo_loss Lambda layer.'yolo_loss': lambda y_true, y_pred: y_pred})

刚开始对 loss={‘yolo_loss’: lambda y_true, y_pred: y_pred})不理解,通过查看相关博客,个人理解如下:
首先查看 Keras中的目标函数(损失函数)的定义方法(路径是keras→losses.py):

def mean_squared_error(y_true, y_pred):return K.mean(K.square(y_pred - y_true), axis=-1)def mean_absolute_error(y_true, y_pred):return K.mean(K.abs(y_pred - y_true), axis=-1)def mean_absolute_percentage_error(y_true, y_pred):diff = K.abs((y_true - y_pred) / K.clip(K.abs(y_true),K.epsilon(),None))return 100. * K.mean(diff, axis=-1)

可以发现y_true, y_pred是标准的函数输入参数,一个代表真实值(标签),一个代表预测值,函数返回的是即为预测值与真实值的某种误差函数。

但yolov3算法中,将loss函数写成一个Lambda层了,即该层的输出就是模型的loss值,也就是模型的预测值 y_pred.

model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})([*model_body.output, *y_true])

因此,模型compile时传递的是自定义的loss,自定义的方法是使用Python里的匿名函数,即 lambda y_true, y_pred: y_pred, 其中,该匿名函数的输入参数是y_true, y_pred: y_pred,代表模型的真实值和预测值,该匿名函数的返回值是y_pred,即模型的预测值,该预测值正是loss值。
对于loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}中的’yolo_loss’,参考以下文献就明白了:
https://keras-zh.readthedocs.io/getting-started/functional-api-guide/
https://blog.csdn.net/xiaohuihui1994/article/details/81022043
我的理解是凡是在字典中的键,如loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}中的’yolo_loss’,loss_weights={‘main_output’: 1., ‘aux_output’: 0.2})中的’main_output’,model.fit({‘main_input’: headline_data, ‘aux_input’: additional_data}, {‘main_output’: headline_labels, ‘aux_output’: additional_labels},epochs=50, batch_size=32)中的’main_input’、'aux_input’等,都是在在定义层时传递的一个 name 参数,即
model_loss = Lambda(yolo_loss, output_shape=(1,), name=‘yolo_loss’,
arguments={‘anchors’: anchors, ‘num_classes’: num_classes, ‘ignore_thresh’: 0.5})(
[*model_body.output, *y_true]) 中的name=‘yolo_loss’ 。

    if True:model.compile(optimizer=Adam(lr=1e-3), loss={# use custom yolo_loss Lambda layer.'yolo_loss': lambda y_true, y_pred: y_pred})

这篇关于yolov3算法中关于loss={'yolo_loss': lambda y_true, y_pred: y_pred}的理解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/921229

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

深入理解Apache Airflow 调度器(最新推荐)

《深入理解ApacheAirflow调度器(最新推荐)》ApacheAirflow调度器是数据管道管理系统的关键组件,负责编排dag中任务的执行,通过理解调度器的角色和工作方式,正确配置调度器,并... 目录什么是Airflow 调度器?Airflow 调度器工作机制配置Airflow调度器调优及优化建议最

一文带你理解Python中import机制与importlib的妙用

《一文带你理解Python中import机制与importlib的妙用》在Python编程的世界里,import语句是开发者最常用的工具之一,它就像一把钥匙,打开了通往各种功能和库的大门,下面就跟随小... 目录一、python import机制概述1.1 import语句的基本用法1.2 模块缓存机制1.

深入理解C语言的void*

《深入理解C语言的void*》本文主要介绍了C语言的void*,包括它的任意性、编译器对void*的类型检查以及需要显式类型转换的规则,具有一定的参考价值,感兴趣的可以了解一下... 目录一、void* 的类型任意性二、编译器对 void* 的类型检查三、需要显式类型转换占用的字节四、总结一、void* 的

深入理解Redis大key的危害及解决方案

《深入理解Redis大key的危害及解决方案》本文主要介绍了深入理解Redis大key的危害及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着... 目录一、背景二、什么是大key三、大key评价标准四、大key 产生的原因与场景五、大key影响与危

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1