केरस में कस्टम लॉस फ़ंक्शन: पासा त्रुटि गुणांक को लागू करना

इस लेख में, हम जानेंगे कि कस्टम लॉस फ़ंक्शन कैसे बनाया जाए केरस में, पासा त्रुटि गुणांक पर ध्यान केंद्रित करना। हम एक पैरामीटरयुक्त गुणांक को कार्यान्वित करना सीखेंगे और केरस की आवश्यकताओं के साथ संगतता के लिए इसे लपेटेंगे। एक रैपर फ़ंक्शन. गुणांक पासा त्रुटि को मापता है, जो लक्ष्य और अनुमानित मूल्यों की तुलना करता है। हम नीचे पायथन एक्सप्रेशन का उपयोग कर सकते हैं:

def dice_hard_coe(y_true, y_pred, थ्रेशोल्ड=0.5, अक्ष=[1,2], स्मूथ=1e-5): # प्रतिच्छेदन, लेबल की गणना करें और हार्ड पासा गुणांक की गणना करें आउटपुट = tf.cast(आउटपुट > थ्रेशोल्ड, dtype=tf.float32) लक्ष्य = tf.cast(लक्ष्य > सीमा, dtype=tf.float32) inse = tf.reduce_sum(tf.multiply(आउटपुट, लक्ष्य), अक्ष=अक्ष) एल = tf.reduce_sum(आउटपुट, अक्ष=अक्ष) r = tf.reduce_sum(लक्ष्य, अक्ष=अक्ष) हार्ड_डाइस = (2. * इन्स स्मूथ) / (एल आर स्मूथ) # माध्य हार्ड पासा गुणांक लौटाएँ रिटर्न हार्ड_डाइस

रैपर फ़ंक्शन बनाना

def dice_hard_coe(y_true, y_pred, threshold=0.5, axis=[1,2], smooth=1e-5):
    # Calculate intersection, labels, and compute hard dice coefficient
    output = tf.cast(output > threshold, dtype=tf.float32)
    target = tf.cast(target > threshold, dtype=tf.float32)
    inse = tf.reduce_sum(tf.multiply(output, target), axis=axis)
    l = tf.reduce_sum(output, axis=axis)
    r = tf.reduce_sum(target, axis=axis)
    hard_dice = (2. * inse   smooth) / (l   r   smooth)
    # Return the mean hard dice coefficient
    return hard_dice

def dice_los(smooth, thresh): डीईएफ़ पासा(y_true, y_pred): # गुणांक फ़ंक्शन का उपयोग करके पासा गुणांक की गणना करें वापसी -dice_coef(y_true, y_pred, चिकनी, थ्रेश) # पासा हानि फ़ंक्शन लौटाएँ रिटर्न पासा

कस्टम लॉस फ़ंक्शन का उपयोग करना

def dice_loss(smooth, thresh):
    def dice(y_true, y_pred):
        # Calculate the dice coefficient using the coefficient function
        return -dice_coef(y_true, y_pred, smooth, thresh)
    # Return the dice loss function
    return dice

# मॉडल बनाएं मॉडल = my_model() # पासा हानि फ़ंक्शन प्राप्त करें मॉडल_डाइस = पासा_हानि(चिकना=1e-5, थ्रेश=0.5) # मॉडल संकलित करें model.compile(los=model_dice)