小白一枚,想请教下:
我的多分类语义分割模型,label为单通道图片,其像素值已经统一根据类别进行编号(类别5的像素值为5,类别2的像素值为2)。。我的类别数是6(含背景),模型的输出端的激活函数为softmax,损失函数定义为sparse_categorical_crossentropy,模型训练的时候,却会报维度不兼容的错误: Incompatible shape: [262144] vs [4, 256,256] (而4 * 256 *256 刚好就是262144)...这个到底要用什么损失函数才对呢??
因为从理论上来说,对于label没有进行one-hot处理的多分类,不是应该使用sparse_categorical_crossentropy做损失函数,而不能使用categorical_crossentropy或binary_crossentropy么??
一直不太理解这块,求高手指点~~
多分类语义分割模型的损失函数应该如何选择?
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
1条回答 默认 最新
- IT时生 2020-05-31 14:51关注
这不是损失函数的问题,是你自己对shape的理解不对吧。[262144]是一维,[4,256,256]是三维,要把后者flatten才能和前者匹配上啊。。
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 微信公众号自制会员卡没有收款渠道啊
- ¥15 stable diffusion
- ¥100 Jenkins自动化部署—悬赏100元
- ¥15 关于#python#的问题:求帮写python代码
- ¥20 MATLAB画图图形出现上下震荡的线条
- ¥15 关于#windows#的问题:怎么用WIN 11系统的电脑 克隆WIN NT3.51-4.0系统的硬盘
- ¥15 perl MISA分析p3_in脚本出错
- ¥15 k8s部署jupyterlab,jupyterlab保存不了文件
- ¥15 ubuntu虚拟机打包apk错误
- ¥199 rust编程架构设计的方案 有偿