【638】keras 多输出模型【实战】

【530】keras 实现多输出模型

[Keras] [multiple inputs / outputs] ValueError: No data provided for "xx". Need data for each key...

keras：怎样使用 fit_generator 来训练多个不同类型的输出

1. model.compile

　　对于多输出模型而言，多出来一个字典的形式，通过 model.compile 里面包含的 loss、loss_weight，可以通过字典的形式设置，如下所示：

?

1 2 3 4 5 6 7

model.compile(optimizer='rmsprop',               # 不同输出层对应的损失函数               loss={'outputs1': 'binary_crossentropy',                     'outputs1': 'binary_crossentropy'},               # 不同输出层对应的损失函数权重值               loss_weight={'outputs1': 0.5,                            'outputs1': 0.5})

　　注意：字典的 key 值并不是随意设置的，需要前后一致，并且需要指定到具体的模型输出的名称以及数据生成器中的，否则是无法对应的。

2. 模型架构

　　因为是单一输入就不考虑输入的名称了，输出的名称需要对应，如下所示：

?

1 2 3 4 5 6 7 8 9 10 11

# 输入 inputs = keras.Input(...)   # 模型主体部分 ...   # 输出 outputs1 = layers.Conv2D(1, 3, activation="sigmoid", padding="same", name="outputs1")(x1) outputs2 = layers.Conv2D(1, 3, activation="sigmoid", padding="same", name="outputs2")(x2)   model = keras.Model(inputs, [outputs1, outputs2])

　　注意：outputs1 与 outputs2 里面的 name 值与上面对应

3. 数据生成器

　　数据生成器需要生成对应格式的数据，特别是通过 key 值来对应输出数据的 labels，如下所示：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

# 图像生成器，生成可以直接输入到模型中的 generator，返回值是 tuple class ImageGenerator(keras.utils.Sequence):     """Helper to iterate over the data (as Numpy arrays)."""     def __init__(self, batch_size, img_size, input_img_paths, target_img_paths_louding, target_img_paths_louti):         ...       def __len__(self):         return len(self.input_img_paths) // self.batch_size       def __getitem__(self, idx):         """Returns tuple (input, target) correspond to batch #idx."""                   x = np.zeros((self.batch_size,) + self.img_size + (3,), dtype="float32")         ...                       y1 = np.zeros((self.batch_size,) + self.img_size + (1,), dtype="float32")         ...                       y2 = np.zeros((self.batch_size,) + self.img_size + (1,), dtype="float32")         ...                   # 注意 key 值的对应         y = {'outputs1': y1, 'outputs2': y2}                   return x, y

 

　　总结：实际上多输出或者多输入与单输入单输出没有实质性的区别，就是在数据处理和衔接上面容易出现问题，只要将 key 值对应，无论是 fit 还是 fit_generator 都可以实现。