keras lambda 예제

By in Non classé on 2 août 2019

그리고 여기에 하네스가 잘 실행되도록 Keras에서 제공하는 레이어 객체와 함께 몇 가지 테스트입니다 : 충분히 쉬운 것 같다! 다음은 사용자 지정 손실 및 사용자 지정 메트릭을 만들고 적용하는 방법의 예입니다. 메트릭의 경우 이미지 품질을 측정하는 데 일반적으로 사용되는 PSNR 메트릭을 구현했습니다. 손실 함수의 경우 L1 또는 L2 손실보다 이상값에 더 견고한 것으로 나타난 Charbonnier를 구현했습니다. 함수를 작성하면 모델 컴파일 함수에 전달하기만 하면 됩니다! Keras에는 많은 경우에 매우 유용한 여러 가지 기본 메트릭 및 손실 함수가 함께 제공됩니다. 다소 불행하게도, 하지만, 가장 일반적인 메트릭과 손실이 내장되어 있습니다. 모든 메트릭은 기본적으로 백분율 정확도의 일부 형태입니다. 손실에는 많은 옵션이 있지만 최신 최첨단 연구에서는 별로 없습니다. 최첨단 을 원한다면 직접 구현해야합니다. 이번 호에서는 람다 레이어의 표준 사례를 언급하고 있으며, 람다 함수는 « 일반 » 입력(텐서 또는 배열)뿐만 아니라 마스크도 https://github.com/keras-team/keras/blob/master/keras/layers/core.py#L708 내가 게시 한 바보 같은 예에 대해 걱정하지 마십시오, 그것은 단지 일반적인 문제를 표시하는 것입니다. 우리는 점, 전치, 최대, pow, 기호 등과 같은 Keras 백 엔드에서 지원하는 작업을 사용할 수 있으며 백 엔드 문서에 지정되지 않았지만 실제로 Theano 및 TensorFlow에서 지원됩니다 (예 : **, /, // % ). Keras를 사용자 지정하는 것은 일반적으로 사용자 지정 레이어 또는 사용자 지정 거리 함수를 작성하는 것을 의미합니다.

이 섹션에서는 몇 가지 간단한 Keras 레이어를 빌드하는 방법을 설명합니다. 백 엔드 함수를 사용하여 다음 섹션에서 목표(손실 함수)와 같은 다른 사용자 지정 Keras 구성 요소를 빌드하는 더 많은 예제를 볼 수 있습니다. Keras에는 ImageNet에 미리 학습된 가중치가 있는 여러 가지 기본 제공 모델이 제공되어 즉시 사용할 수 있습니다. 그러나 이러한 모델을 직접 사용하려면 입력 크기를 강제로 고정해야 하는 끝에 완전히 연결된 레이어로 인해 미리 이미지 크기를 조정해야 합니다. 예를 들어 Xception 모델은 299×299의 이미지 자르기로 학습되었기 때문에 오류를 방지하기 위해 모든 이미지를 크기로 설정해야 합니다. 그 외에도 이미지를 전달할 때마다 자동으로 적용하려는 모델에 대한 다른 종류의 사전 또는 사후 처리가 있을 수 있습니다.

Comments are closed.