FCN-KERAS程序

一、keras：optimizer优化器

https://blog.youkuaiyun.com/weixin_41770169/article/details/80184130

优化器optimizer：该参数可指定为已预定义的优化器名，如rmsprop、adagrad，或一个Optimizer类的对象，详情见optimizers。

1、SGD

keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False)

 

随机梯度下降法，支持动量参数，支持学习衰减率，支持Nesterov动量

参数

• lr：大或等于0的浮点数，学习率

• momentum：大或等于0的浮点数，动量参数

• decay：大或等于0的浮点数，每次更新后的学习率衰减值

• nesterov：布尔值，确定是否使用Nesterov动量

二、keras.model.compile() 自定义损失函数注意点

https://blog.youkuaiyun.com/yuezhilanyi/article/details/79201705

https://www.cnblogs.com/smuxiaolei/p/8662177.html

基本用法

model.compile(optimizer=Adam(lr=1e-4), loss='binary_crossentropy', metrics=['accuracy'])

注意

1. loss后类似’binary_crossentropy’、’mse’等代称
2. loss为函数名称的时候，不带括号
3. 函数参数必须为(y_true, y_pred, **kwards)的格式
4. 不能直接使用tf.nn.sigmoid_cross_entropy_with_logits等函数，因为其参数格式为(labels=None,
   logits=None)，需要指定labels=、logits=这两个参数

如:mean_squared_error

　　顾名思义，意为均方误差，也称标准差，缩写为MSE，可以反映一个数据集的离散程度。

　　标准误差定义为各测量值误差的平方和的平均值的平方根，故又称为均方误差。

　　公式：

 

　　公式意义：可以理解为一个从n维空间的一个点到一条直线的距离的函数。（此为在图形上的理解，关键看个人怎么理

三、keras中ImageDataGenerator用法(SegDataGenerator,low_from_directory可参考)

https://keras-cn.readthedocs.io/en/latest/preprocessing/image/

https://blog.youkuaiyun.com/u012969412/article/details/76796020

• featurewise_center：布尔值，使输入数据集去中心化（均值为0）, 按feature执行。
• samplewise_center：布尔值，使输入数据的每个样本均值为0。
• featurewise_std_normalization：布尔值，将输入除以数据集的标准差以完成标准化, 按feature执行。
• samplewise_std_normalization：布尔值，将输入的每个样本除以其自身的标准差。
• zca_whitening：布尔值，对输入数据施加ZCA白化。
• rotation_range：整数，数据提升时图片随机转动的角度。随机选择图片的角度，是一个0~180的度数，取值为0~180。
• width_shift_range：浮点数，图片宽度的某个比例，数据提升时图片随机水平偏移的幅度。
• height_shift_range：浮点数，图片高度的某个比例，数据提升时图片随机竖直偏移的幅度。
  height_shift_range和width_shift_range是用来指定水平和竖直方向随机移动的程度，这是两个0~1之间的比例。
• shear_range：浮点数，剪切强度（逆时针方向的剪切变换角度）。是用来进行剪切变换的程度。
• zoom_range：浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1+zoom_range]。用来进行随机的放大。
• channel_shift_range：浮点数，随机通道偏移的幅度。
• fill_mode：‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理
• cval：浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值。
• horizontal_flip：布尔值，进行随机水平翻转。随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时候。
• vertical_flip：布尔值，进行随机竖直翻转。
• rescale: 值将在执行其他处理前乘到整个图像上，我们的图像在RGB通道都是0~255的整数，这样的操作可能使图像的值过高或过低，所以我们将这个值定为0~1之间的数。
• preprocessing_function: 将被应用于每个输入的函数。该函数将在任何其他修改之前运行。该函数接受一个参数，为一张图片（秩为3的numpy array），并且输出一个具有相同shape的numpy array
• data_format：字符串，“channel_first”或“channel_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channel_last”对应原本的“tf”，“channel_first”对应原本的“th”。以128x128的RGB图像为例，“channel_first”应将数据组织为（3,128,128），而“channel_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channel_last”。
• --------------------- 本文来自 王不二不二不二 的优快云 博客 ，全文地址请点击：https://blog.youkuaiyun.com/u012969412/article/details/76796020?utm_source=copy