Блог

Главная - Вопросы по программированию - как выполнить быстрое преобразование Фурье в функции потерь для обучения нейронной сети

как выполнить быстрое преобразование Фурье в функции потерь для обучения нейронной сети

#python #tensorflow #machine-learning #keras #tensor

#питон #тензорный поток #машинное обучение #keras #тензор

Вопрос:

В настоящее время я работаю над полностью сверточной нейронной сетью (ввод изображения, вывод изображения), и я пытаюсь реализовать функцию потерь, которая выполняет быстрое преобразование Фурье из 2 изображений, прежде чем выполнять с ними какую-либо операцию, код выглядит следующим образом

 def fourierLoss2(y_actual,y_pred):
  actual_fft = tf.signal.rfft3d(y_actual)
  pred_fft = tf.signal.rfft3d(y_pred)
  lossV=tf.math.real(tf.math.reduce_mean(tf.math.square(actual_fft-pred_fft)))
  return lossV

with strategy.scope():
  model = hd_unet_model(INPUT_SIZE)
  model.compile(optimizer=Adam(lr=0.1),
                loss= fourierLoss2,
                metrics=tf.keras.metrics.MeanSquaredError())

2 тензора (y_actual,y_pred) имеют тип float.
но если я попытаюсь обучить модель, я получу следующую ошибку

     /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
        return step_function(self, iterator)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:796 step_function  **
        outputs = model.distribute_strategy.run(run_step, args=(data,))
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:1211 run
        return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2585 call_for_each_replica
        return self._call_for_each_replica(fn, args, kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/mirrored_strategy.py:585 _call_for_each_replica
        self._container_strategy(), fn, args, kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/mirrored_run.py:96 call_for_each_replica
        return _call_for_each_replica(strategy, fn, args, kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/mirrored_run.py:237 _call_for_each_replica
        coord.join(threads)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/training/coordinator.py:389 join
        six.reraise(*self._exc_info_to_raise)
    /usr/local/lib/python3.6/dist-packages/six.py:703 reraise
        raise value
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/training/coordinator.py:297 stop_on_exception
        yield
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/mirrored_run.py:323 run
        self.main_result = self.main_fn(*self.main_args, **self.main_kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:789 run_step  **
        outputs = model.train_step(data)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:757 train_step
        self.trainable_variables)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:2722 _minimize
        gradients = tape.gradient(loss, trainable_variables)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/backprop.py:1073 gradient
        unconnected_gradients=unconnected_gradients)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/imperative_grad.py:77 imperative_grad
        compat.as_str(unconnected_gradients.value))
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/backprop.py:151 _gradient_function
        grad_fn = ops._gradient_registry.lookup(op_name)  # pylint: disable=protected-access
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/registry.py:97 lookup
        "%s registry has no entry for: %s" % (self._name, name))

    LookupError: gradient registry has no entry for: RFFT3D

После некоторых исследований я понял, что проблема заключается в том, что операция tf.signal.rfft3d не имеет зарегистрированной функции градиента.
Кто-нибудь знает способ обойти эту проблему?

Комментарии:

1. Я пытаюсь выяснить tf.signal.rfft2d , почему не работает моя функция потерь. Где вы смотрели, чтобы выяснить, что tf.signal.rfft3d не имеет зарегистрированной функции градиента?

2. извините, чувак, но это было слишком давно, и прошло более 2 лет с тех пор, как я закончил этот проект, я не эксперт в этом, поэтому, вероятно, я просто продолжал искать, пока не нашел решение, возможно, в документации tensorflow или здесь, в stack overflow, но не могу сказать наверняка.

3. Нет проблем! Ваше решение, приведенное ниже, не сработало для меня, я обновил свой TF, и это исправило ситуацию. Спасибо.

Ответ №1:

Я нашел решение проблемы, вместо использования tf.signal.rfft3d , которое я должен был использовать tf.signal.fft3d , эта функция имеет запись для градиента и работает в функции потерь, недостатком является то, что теперь мне пришлось преобразовать тензоры с плавающей запятой в сложный тип перед преобразованием Фурье

Метки: