Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
真正的非零预测的损失惩罚更高
我正在构建一个深度回归网络 CNN 来从图像 7 11 预测 1000 1 目标向量 目标通常由大约90 为零并且只有10 非零值 目标中 非 零值的分布因样本而异 即不存在全局类别不平衡 使用均方误差损失 这导致网络仅预测零 我对此并不感
tensorflow
Keras
deeplearning
lossfunction
loss
将 TensorFlow 损失全局目标 (recall_at_ precision_loss) 与 Keras(而非指标)结合使用
背景 我有一个有 5 个标签的多标签分类问题 例如 1 0 1 1 0 因此 我希望我的模型能够改进固定召回率 精确召回率 AUC 或 ROC AUC 等指标 使用损失函数没有意义 例如binary crossentropy 这与我想要优化
tensorflow
Keras
lossfunction
AUC
precisionrecall
Keras 自定义损失作为多个输出的函数
我使用 keras 一个卷积网络 构建了一个自定义架构 该网络有 4 个头 每个头输出不同大小的张量 我正在尝试编写一个自定义损失函数作为这 4 个输出的函数 我之前一直在实施自定义损失 但它要么是每个头的不同损失 要么是每个头的相同损失
Keras
deeplearning
lossfunction
«
1
2
3