kears解决类别不平衡的自定义损失函数以及其代码

1.Dice loss
添加方法是在模型的代码页添加下列代码

def dice_coef(y_true, y_pred):
    y_true_f = K.flatten(y_true)
    y_pred = K.cast(y_pred, 'float32')
    y_pred_f = K.cast(K.greater(K.flatten(y_pred), 0.5), 'float32')
    intersection = y_true_f * y_pred_f
    score = 2. * K.sum(intersection) / (K.sum(y_true_f) + K.sum(y_pred_f))
    return score
def dice_loss(y_true, y_pred):
    smooth = 1.
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = y_true_f * y_pred_f
    score = (2. * K.sum(intersection) + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)
    return 1. - score

使用的话参考下列代码

model.compile(optimizer=Nadam(lr=learning_rate), loss=dice_coef_loss, metrics=['accuracy'])

但这样还不够在加载模型测试的时候可能报错，这是在测试代码（test.py）页添加以下代码（mobilenetv3small是我的模型，从我