python - 如何使用 tf.data.dataset 进行多输出和损失训练?
问题描述
模型、损失和数据集
model = models.Model(inputs=[image_input], outputs=[classification, regression])
model.compile(optimizer=tf.keras.optimizers.Adam(lr=1e-3), loss=[focal(),smooth_l1()])
dataset = dataset.map(lambda x:tf.py_function(func=self.Generate,inp=[x],Tout=(tf.int32,tf.float32,tf.float32))
并且返回 func=self.Generate 是
return img,labels,regressions
我尝试训练它,但smooth_l1 的数据是错误的,它会在smooth_l1 上输入标签而不是回归
解决方案
推荐阅读
- functional-programming - Idris 中的“不可访问的模式变量”
- dji-sdk - 没有收到来自 DJI ROS SDK 的 time_sync_fc_time_utc 消息
- compression - 找出文件每个部分的压缩比
- mysql - 如何在 SQL 表中表示 X 和 Y 轴数据
- azure-data-lake - “GetVersionedSdkPath: Unexpected layout”错误尝试构建 U-SQL 项目
- javascript - Heroku 构建中的 create-react-app 不包含 JavaScript
- python - Python 内置函数 - 输入
- c# - 事件作为依赖属性 wpf
- c# - Xamarin 按 Id 查找资源,然后按名称搜索
- r - 将列表中的多个数据框导出到 Excel 文件中,其中选项卡名称作为列表中的不同数据框