我希望获得有关为代理模型实现损失函数的建议。我正在对增材制造加工过程中产生的气孔进行微机械模拟,...
我有一个像这样的训练函数: 定义训练(): 模型.train() 火车_mae = [] 进度 = tqdm(train_dataloader, desc='训练') 对于batch_index,批量枚举(亲...
我正在使用 PyTorch Lightning,我定义了我的模型,如下所示: 类 MyModel(MyBaseClass): def __init__(self, ..., **kwargs): super().__init__(**kwargs) self.model_parameter...
我想问一下我的加权IoU损失的实现是否正确。给定卫星图像,我试图分割道路和前景像素。 defcompute_loss(self, y_true, y_pred): ...
我设计了一个定制的损失: 类 CustomIndicesEdgeAccuracyLoss(torch.nn.Module): def __init__(self, num_classes: int, selected_indices: list): 超级(CustomIndicesEdgeAccuracyLoss,se...
我想在模型训练过程中以不同的方式处理高估和低估带来的错误(比如价格是正确的)。我不想重写整个 MLP、回归、决策树等算法...
平均绝对误差 (mae) 和均方误差 (mse) 损失函数的梯度
我正在尝试使用numpy实现线性回归。为此,我需要为损失函数 mae 和 mse 实现导数。这些是我的版本,但它们不正确(失败的测试是
我想在训练阶段使用加权损失函数,在测试阶段使用未加权损失函数。 我尝试过in_train_phase,但在测试阶段,它仍然使用加权损失函数...
我写了这段代码: 进口火炬 将 torch.nn 导入为 nn 导入 torch.nn.function 作为 f 导入数学 将 matplotlib.pyplot 导入为 plt 将 numpy 导入为 np 随机导入 类 dnn(nn.Module): def __i...
损失函数在pytorch中没有requires_grad=True
您好,我有以下代码(我的代码的简化版本,但能够重现错误): 将 numpy 导入为 np 从 numpy 导入 linalg 作为 LA 进口火炬 导入 torch.optim 作为 optim 进口...
Python 中的高级机器学习:使用自定义损失函数处理多类分类中的类不平衡
我正在使用先进的机器学习技术解决 Python 中的多类分类问题。我正在处理的数据集存在严重的类别不平衡问题,其中某些类别......
当两个不同的损失相差较大时,如何正确地将两个不同的损失相加?
我有两种不同的损失来训练模型。 L1 损失计算如下: recon_loss += F.l1_loss(pred_values, masked_patches) /total_num_masked 以及我的模型的另一个定制损失函数,
我目前正在从事一个深度学习项目,涉及训练 U-net 来执行图像配准。网络的目标是将图像(我称之为“移动图像”)变形为
LGBMRegressor python 中 tweedie/Regression_l1 目标的自定义损失函数
我正在使用带有 Objective="tweedie"/objective='Regression_l1' 的 LGBMRegressor 模型,我需要创建一个自定义损失函数,该函数采用原始目标并根据
我知道torch.nn.CrossEntropyLoss(weight=?)参数“weight”是为了平衡不同类样本之间的不平衡,它是类的参数,它有...
我尝试计算扩散模型中生成的图像和真实图像之间的感知损失函数(我将其用于图像到图像的转换,图像为灰度)。 这是...
除了使用Tanh()函数之外,还有什么规则可以将嵌入向量约束在(-1,1)范围内吗?
我发现我的想法的性能很差,嵌入维度很高。我认为这个问题与激活函数有关。你能帮我么? 我尝试用 arctan() 替换 tanh() 但
我正在尝试将 LogCosh 函数实现为自定义损失函数。当我这样做时,我收到一个错误,因为拟合阶段的损失为 NaN。更奇怪的是,当我运行它一堆时,它开始给出
Python 中的平方误差相关性区域 (SERA) 实现作为自定义评估指标
我面临着不平衡的回归问题,我已经尝试了几种方法来解决这个问题。最终我遇到了这个名为 SERA(平方误差相关区域)的新指标作为自定义指标
如何在 PyTorch 中添加 L1/L2 正则化而不需要手动计算?