在 TensorFlow returns NaN 值中使用 SSIM 损失

Using SSIM loss in TensorFlow returns NaN values

我正在用 MRI 图像训练网络,我想使用 SSIM 作为损失函数。到目前为止,我一直在使用 MSE,一切正常。但是当我尝试使用 SSIM (tf.image.ssim) 时,我收到了一堆警告消息:

 /usr/local/lib/python3.7/dist-packages/matplotlib/image.py:397: UserWarning: Warning: converting a masked element to nan.
  dv = (np.float64(self.norm.vmax) -
/usr/local/lib/python3.7/dist-packages/matplotlib/image.py:398: UserWarning: Warning: converting a masked element to nan.
  np.float64(self.norm.vmin))
/usr/local/lib/python3.7/dist-packages/matplotlib/image.py:405: UserWarning: Warning: converting a masked element to nan.
  a_min = np.float64(newmin)
/usr/local/lib/python3.7/dist-packages/matplotlib/image.py:410: UserWarning: Warning: converting a masked element to nan.
  a_max = np.float64(newmax)
/usr/local/lib/python3.7/dist-packages/matplotlib/colors.py:933: UserWarning: Warning: converting a masked element to nan.
  dtype = np.min_scalar_type(value)
/usr/local/lib/python3.7/dist-packages/numpy/ma/core.py:713: UserWarning: Warning: converting a masked element to nan.
  data = np.array(a, copy=False, subok=subok)

无论如何我的代码是运行但是没有生成数字。我不确定这里发生了什么或我应该去哪里看。我正在使用 tensorflow 2.4.0.

我在此处附上我的代码摘要:

generator = Generator()  #An u-net defined in tf.keras

gen_learningrate = 5e-4
generator_optimizer = tf.keras.optimizers.Adam(gen_learningrate, beta_1=0.9, beta_2=0.999, epsilon=1e-8)
# Generator loss

def generator_loss(gen_output, target):
    # SSIM loss
    loss = - tf.reduce_mean(tf.image.ssim(target, gen_output, 2)) 
    return loss

@tf.function
def train_step(input_image, target, epoch):
    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
        gen_output = generator(input_image, training=True)
        
        loss = generator_loss(gen_output, target)

    generator_gradients = gen_tape.gradient(loss, generator.trainable_variables)
    generator_optimizer.apply_gradients(zip(generator_gradients, 
                                                 generator.trainable_variables))

    return loss

def fit(train_ds, epochs, test_ds):
    for input_image, target in train_ds:
            loss = train_step(input_image,target,epoch) 

fit(train_dataset, EPOCHS, test_dataset)

我进行了一些探索,发现大多数使用 tf.image.ssim() 作为损失函数的人都使用了 tensorflow 1.0 中的 tf.train() 或 tf.keras 中的 model.fit()。我怀疑返回的 NaN 值与 GradientTape() 函数有关,但我不确定如何。

根据我的经验,此警告通常与尝试绘制坐标为无穷远的点有关。当然你真的应该向我们展示更多的代码,以便我们有效地帮助你。

您的网络预测可能与真实图像非常接近,因此它会给出无穷大(如果您对它执行某些操作,则为 NaN)。

请谨慎使用