编译网络（CNN）的Keras自定义丢失函数出错

Question

在Keras中定义自定义损失函数以编译CNN网络时，我有两个主要问题。我正在通过CNN进行2D图像配准（将一对2D图像对齐以使彼此最佳匹配）。作为网络的预测，网络的输出将是一个5维浮点型数组。（1缩放，2平移和2缩放x和y）。对于配准问题，有两个主要的损失函数（以及度量），称为Dice系数和TRE（目标配准误差，即医生标记的一对标志点之间的距离之和）。顺便说一下，我需要实现这两个损失函数。对于骰子系数：

1-首先，我需要知道优化器正在考虑哪个样本，这样我就可以读取该样本的内容并计算骰子，而基于Keras文档的定制损失函数中只定义了yu true和yu pred。你知道吗

2-我写了以下代码作为我的损失函数1）第一，扭曲第一个图像，2）第二，使两个图像二值化（每个样本由两个图像组成：一个是运动图像，另一个是固定图像），3）第三，返回两个图像之间的骰子系数（扭曲和固定）。你知道吗

由于自定义损失函数的参数被限制为y\u true和y\u pred，并且考虑中的样本没有索引，我的问题是无监督的（即不需要任何标签），所以我使用反馈给CNN的样本索引作为标签，在CNN的考虑下，尝试用yu-true[0]作为训练样本的指标，并将批量大小设置为1。你知道吗

def my_loss_f(y_true,y_pred):
    from scipy.spatial import distance as dis
    a = y_true[0]
    nimg1=warping(Train_DataCT[a],y_pred) # line 83 in CNN1.py
    return dis.dice(BW(nimg1).flatten(),BW(Train_DataMR[a]).flatten())

def warping(nimg,x):
    import scipy.ndimage as ndi
    nimg1 = ndi.rotate(nimg, x[0], reshape=False)
    nimg1 = ndi.shift(nimg1, [x[1], x[2]])
    nimg1 = clipped_zoom(nimg1, [x[3], x[4]])
    return nimg1

def BW(nimg1):
    hist = ndi.histogram(nimg1, 0, 255, 255)
    som = ndi.center_of_mass(hist)
    bwnimg = np.where(nimg1 > som, 1, 0)
    return bwnimg

但是，我经常会遇到如下不同的错误。有人告诉我使用TensorFlow或Keras后端重写我自己的loss函数，但我需要Numpy和SciPy，不能跳进这种低级编程，因为我完成项目的时间非常有限。你知道吗

主要问题是y\u true为空（它只是一个占位符而不是有值的实数变量），不能用作Train\u DataCT[y\u true[0]]的索引，因为错误是：索引应该是整数、：、布尔等，张量不能用作索引！我尝试了很多方法，例如将y d u true转换为ndarray或使用y_正确。评估（）初始化它，但我得到了错误：Session error，no default Session。你知道吗

谢谢，请有人帮帮我。你知道吗

---

Traceback (most recent call last):
  File "D:/Python/Reg/Deep/CNN1.py", line 83, in <module>
    model.compile(optimizer='rmsprop',loss=my_loss_f)
  File "C:\Users\Hamidreza\Anaconda3\lib\site-packages\keras\engine\training.py", line 342, in compile
    sample_weight, mask)
  File "C:\Users\Hamidreza\Anaconda3\lib\site-packages\keras\engine\training_utils.py", line 404, in weighted
    score_array = fn(y_true, y_pred)
  File "D:/Python/Reg/Deep/CNN1.py", line 68, in my_loss_f
    nimg1=warping(Train_DataCT[1],y_pred)
  File "D:/Python/Reg/Deep/CNN1.py", line 55, in warping
    nimg1 = ndi.rotate(nimg, x[0], reshape=False)
  File "C:\Users\Hamidreza\Anaconda3\lib\site-packages\scipy\ndimage\interpolation.py", line 703, in rotate
    m11 = math.cos(angle)
TypeError: must be real number, not Tensor

Process finished with exit code 1

---

Answer 1

让我细化我的问题：我需要我输入的样本数据来计算损失函数。有/没有批处理，我应该知道CNN考虑的样本的索引，以便计算损失，例如一对输入图像之间的骰子系数。你知道吗

由于我的问题是无监督学习，作为一种替代解决方案，我使用y d u true作为样本的索引，但是当例如tf.压扁，我使用了y\u true[0]，比如Train\u DataCT[y\u true[0]]，我得到了一个错误：索引不能是张量！你知道吗

如何在自定义的loss函数中使用.run（）或.eval（），以便y\u true获得值，以便将其转换为例如ndarray？？？你知道吗

Answer 2

你的损失函数应该适用于你的张量类型。如果您将keras与tf backend一起使用，以下函数可能有助于将高级numpy/scipy函数和张量结合起来：

https://www.tensorflow.org/api_docs/python/tf/numpy_function?version=stable

此外，在以下内容中，您可以找到更多关于此的有用信息：

How to make a custom activation function with only Python in Tensorflow?