FCN 喂入自己数据出错【Node：entropy/entropy = SparseSoftmaxCrossEntropyWithLogits...........】

最新推荐文章于 2024-09-29 15:57:51 发布

ACGlyt

最新推荐文章于 2024-09-29 15:57:51 发布

阅读量1.8k

点赞数

分类专栏： TF 文章标签： TF

本文链接：https://blog.csdn.net/u011582187/article/details/80277626

版权

TF 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

[[Node:entropy/entropy=SparseSoftmaxCrossEntropyWithLogits[T=DT_FLOAT,Tlabels=DT_INT32,_device="/job:localhost/replica:0/task:0/device:CPU:0"](ent ropy/Reshape, entropy/Reshape_1)]]

这是个什么鬼？？？

【解决办法】：这个是label值超范围报错，看到我这里最大值是255，所以修改NUM_OF_CLASSES=256，原来是151，记得要比最大值多1。

【新的问题】：但很显然，我的label只有0,255，要那么多通道真的很浪费。

解决办法呢~

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ACGlyt

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
11
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

图像分割FCN(2)：代码的使用讲解

@bangbang的博客

01-30

802

因为如果自己的数据集有问题，一上来训练就会出现各种错误。排错的时候，基本发现都是自己数据的问题。所以建议先用PASCAL VOC训练，训练没问题之后，你再去训练自己的数据集。最终根据设置train是否为True选择对应的Train阶段的预处理还是推理阶段的预处理方法。其中train.txt和val.txt记录的是train和val过程中使用的图片名称。，会从一个非常小的学习率慢慢的增加到我们指定的初始学习率,然后再慢慢地下降。对于验证过程，其实和Train阶段的预处理，其实是差不多的。

图网络：从数据处理到DGL模型构建（GCN, GraphSAGE, RGCN）

褚骏逸的学习之路

08-03

8401

DGL异构图教程： https://docs.dgl.ai/tutorials/hetero/1_basics.html DGL v0.4 更新笔记： https://github.com/dmlc/dgl/releases DGL-KE代码及使用说明：训练知识图谱嵌入（Knowledge Graph Embedding）专用包 https://github.com/dmlc/dgl/tree/master/apps/kg DGL-Chem 模型库: 包括分子性质预测和分子结构生成等预训练模型。 https

11 条评论您还未登录，请先登录后发表或查看评论

【TensorFlow】关于tf.nn.sparse_softmax_cross_entropy_with_logits（）

热门推荐

ZJRN1027的博客

05-04

5万+

tf.nn.sparse_softmax_cross_entropy_with_logits() 这是一个TensorFlow中经常需要用到的函数。官方文档里面有对它详细的说明，传入的logits为神经网络输出层的输出，shape为[batch_size，num_classes]，传入的label为一个一维的vector，长度等于batch_size，每一个值的取值区间必须是[0，num_cla...

softmax_cross_entropy_with_logits & sparse_softmax_cross_entropy_with_logit区别

空字符

07-11

2770

1.相同点两者都是先经过softmax处理，然后来计算交叉熵，并且最终的结果是一样的，再强调一遍，最终结果都一样。那既然有了softmax_cross_entropy_with_logits 这个方法，那么sparse_softmax_cross_entropy_with_logit 有何用？按照《TensorFlow实战Google深度学习框架》中的说法：在只有一个正确答案的分类问题中，...

tensorflow sparse_softmax_cross_entropy_with_logits()函数

人工智能，深度学习，人脸识别

01-04

1375

函数：tf.nn.sparse_softmax_cross_entropy_with_logits(logits=x, labels=y) 作用：计算logits和labels之间的稀疏softmax交叉熵，该函数为常用函数。函数：tf.nn.softmax_cross_entropy_with_logits(logits=x, labels=y) 作用：计算logits和label...

ValueError: Only call `sparse_softmax_cross_entropy_with_logits` with named arguments (labels=..., l

Marlon1993的博客

03-26

251

首先：ValueError: Only call sparse_softmax_cross_entropy_with_logits with named arguments (labels=…, logits=…, …) 解决：这个原因就是因为这个函数的API发生变化了，要加labels 和logits cross_entropy = tf.nn.s...

Slim ：Cannot assign a device for operation 'InceptionV3/Predictions/Softmax'错误

啸天的博客

08-16

2240

########################### # Kicks off the training. # ########################### session_config = tf.ConfigProto(allow_soft_placement=True) slim.learnin...

（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）

Jojo论文基地

08-28

3270

CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录讲在前面论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！论文目录

Pspnet模型训练私有数据集

最新发布

Suxd_best的博客

09-29

1058

pspnet训练私有数据集详细记录

ST-GCN源码分析

m0_56698268的博客

03-24

1万+

ST-GCN源码分析

sparse_softmax_cross_entropy_with_logits的介绍

02-24

951

sparse_softmax_cross_entropy_with_logits实际上是softmax和cross_entropy（交叉熵）两个函数的组合一、softmax核心是做归一化而softmax把一个k维的real value向量（a1,a2,a3,a4….）映射成一个（b1,b2,b3,b4….）其中bi是一个0-1的常数，然后可以根据bi的大小来进行多分类的任务，如取权重最大的一维。二...

TensorFlow基础学习——“Only call `sparse_softmax_cross_entropy_with_logits` with named arguments”错误的解决

干勾鱼的CSDN博客

11-06

1024

转载请注明出处：http://blog.csdn.net/dongdong9223/article/details/83789592 本文出自【我是干勾鱼的博客】 Ingredient： Python：Python 3.6.6(Python Downloads) Virtualenv： pip install virtualenv Virtualenvwrapper： pip in...

写代码时遇到的问题（tensorflow相关）

strawberry47的博客

11-30

2845

1. 喂数据时报错：InvalidArgumentError (see above for traceback): logits and labels must have the same first dimension, got logits shape [3,9] and labels shape [123] [[node loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits (defined ...

透彻理解熵（包括信息熵和交叉熵）

张家四少

08-19

5324

信息论（熵的基础）熵相对熵（KL散度）交叉熵机器学习中交叉熵的应用为什么要用交叉熵做loss函数？交叉熵在单分类问题中的使用交叉熵在多分类问题中的使用 sigmoid激活函数（承接上面多分类用Sigmoid不用Softmax）代码实现画图 softmax激活函数 Softmax主要优点实现代码多类分类及多标签分类（承接上面Sigmoid在多标签中的...

TensorFlow学习笔记(3)——softmax_cross_entropy_with_logits函数详解

zchang81的博客

04-18

1万+

tensorflow之所以把softmax和cross entropy放到一个函数里计算，就是为了提高运算速度。

MindSpore:损失函数nn.SoftmaxCrossEntropyWithLogits 解析

BaldheadedM的博客

08-11

1545

1、由于数据批处理的原因，接口参数logits只支持二维输入，第一维度表示的是batch size；2、sparse 参数取不同的值，对输入labels的shape和type有不同的要求；3、reduction 参数可以指定应用于输出结果的计算方式，例如求均值、求和等。...

tensorflow中交叉熵损失函数详解

little_fat_sheep

05-01

2803

1 前言 tensorflow中定义了3个交叉熵损失函数： softmax_cross_entropy_with_logits(logits, labels) softmax_cross_entropy_with_logits_v2(logits, labels) sparse_softmax_cross_entropy_with_logits(logits, l...

TensorFlow 中 softmax_cross_entropy_with_logits 及其···v2 和 sparse_softmax_cross_entropy_with_logits的异同

sdnuwjw的博客

01-08

5065

一、三者的异同 1、共同点三者功能都是先计算输入 logits 的 softmax 分类，再计算与输入 labels 之间的交叉熵，最终返回的交叉熵结果相同 2、不同点（1）softmax_cross_entropy_with_logits 已经弃用，相同功能被 softmax_cross_entropy_with_logits_v2 取代（2）softmax_cross_ent...

softmax_cross_entropy

qiqiaiairen的博客

11-15

1万+

tf.nn.sparse_softmax_cross_entropy_with_logits(logits, labels, name=None) 计算logits 和 labels 之间的稀疏softmax 交叉熵度量在离散分类任务中的错误率，这些类之间是相互排斥的（每个输入只能对应唯一确定的一个类）。举例来说，每个CIFAR-10 图片只能被标记为唯一的一个标签：一张图片可能是一只狗或一

def get_urls(**kwargs): kwargs.get('urls') pass start_url = 'http://www.offcn.com/shizheng/sshz/' urls = ['http://www.offcn.com/shizheng/sshz/{}.html'.format(i) for i in range(2,8,1)] urls.insert(0, start_url) with open('C:/Users/222.txt', 'w', encoding='gb18030') as f: for url in urls: get_urls(url='http://www.offcn.com/shizheng/sshz/') print(urls)

06-06

在这段代码中，你定义了一个 `get_urls()` 函数，但是在函数中并没有实际的操作。你需要在函数中添加代码来处理 `urls` 参数，并返回相应的结果。另外，你在调用 `get_urls()` 函数时，每次都传入相同的参数 `url='http://www.offcn.com/shizheng/sshz/'`，这样做并没有意义，因为你在函数内部并没有使用传入的参数。以下是一个修改后的示例代码： ```python import requests def get_urls(url): response = requests.get(url) # 在这里处理 response，提取出你需要的 URL urls = [...] return urls start_url = 'http://www.offcn.com/shizheng/sshz/' urls = ['http://www.offcn.com/shizheng/sshz/{}.html'.format(i) for i in range(2,8,1)] urls.insert(0, start_url) with open('C:/Users/222.txt', 'w', encoding='gb18030') as f: for url in urls: result_urls = get_urls(url) for result_url in result_urls: f.write(result_url + '\n') ``` 在修改后的代码中，`get_urls()` 函数使用 `requests` 库发送 HTTP 请求，并在处理 response 的过程中提取出需要的 URL，并将这些 URL 返回。在主程序中，我们循环遍历 `urls` 列表，并调用 `get_urls()` 函数来获取更多的 URL，然后将这些 URL 写入文件中。