Python 中 Tensorflow 的角度比较损失函数

Question

我有一个 CNN，输入一张图像，输出一个值 - 一个角度。数据集由 (x = image, y = angle) 对组成。

我想要网络为每个图像预测一个角度。

我发现了这个建议：https://stats.stackexchange.com/a/218547但我似乎无法理解如何将它转化为 Python 代码中的工作 Tensorflow。

x_CNN = tf.placeholder(tf.float32, (None, 14, 14, 3))
y_CNN = tf.placeholder(tf.int32, (None))
keep_prob_CNN = tf.placeholder(tf.float32)
one_hot_y_CNN = tf.one_hot(y_CNN, 1)
def MyCNN(x):
    # Network's architecture: In: Image, Out: Angle.
logits_CNN = MyCNN(x)

# Loss Function attempt <------------------------------
outs = tf.tanh(logits_CNN)
outc = tf.tanh(logits_CNN)
loss_operation_CNN = tf.reduce_mean(0.5 * (tf.square(tf.sin(one_hot_y_CNN) - outs) + tf.square(tf.cos(one_hot_y_CNN) - outc)))

learning_rate_placeholder_CNN = tf.placeholder(tf.float32, shape=[])
optimizer_CNN = tf.train.AdamOptimizer(learning_rate = learning_rate_placeholder_CNN)
training_operation_CNN = optimizer_CNN.minimize(loss_operation_CNN)
correct_prediction_CNN = tf.equal(tf.argmax(logits_CNN, 1), tf.argmax(one_hot_y_CNN, 1))
accuracy_operation_CNN = tf.reduce_mean(tf.cast(correct_prediction_CNN, tf.float32))

# And a working Training and testing code...

Answer 1

这是正确的方向，但想法是，不是让 MyCNN 为每个示例生成一个角度值，而是生成两个值。因此，如果 MyCNN 的 return 值当前的形状类似于 (None,) 或 (None, 1)，则应将其更改为 (None, 2) - 即最后一层应该有一个更多的输出。如果您对如何执行此操作有疑问，请提供有关 MyCNN.

正文的更多详细信息

那么您将拥有：

outs = tf.tanh(logits_CNN[:, 0])
outc = tf.tanh(logits_CNN[:, 1])
out_radians = tf.atan2(outs, outc)  # This is the final angle output in radians

关于损失，我不确定我理解你的Y输入。如果你想预测一个角度，它不应该是一个浮点值，而不是一个整数吗？在这种情况下，您将拥有：

# Example angle in radians
y_CNN = tf.placeholder(tf.float32, (None,))

# ... 

loss_operation_CNN = tf.reduce_mean(0.5 * (tf.square(tf.sin(y_CNN) - outs) +
                                           tf.square(tf.cos(y_CNN) - outc)))

Python 中 Tensorflow 的角度比较损失函数

Angles Comparasion Loss Function for Tensorflow in Python

python

tensorflow

conv-neural-network

angle

loss-function