valid_mask设置 about multi-label-classification

[zheng-yuwei]

作者你好 我在测试GHM 使用的时候 valid_mask 参数怎么设置啊

可以参考 valid_mask = 1.0 - tf.cast(tf.less(y_truth, 0), dtype=tf.float32)，这个参数是作为哪些样本是需要统计loss的标志位，所以你可以直接按上面等式这样设置

[qiaoxiu]

非常感谢你的回复，我这还有一个问题 不知道 是不是 我操作的问题
y_truth = keras.backend.flatten(y_truth) 针对y_truth进行平铺
然后进行 y_truth = keras.backend.one_hot(indices=y_truth, num_classes=2)
会导致 后面 y_pred和y_truth 的 shape 不匹配

[zheng-yuwei]

非常感谢你的回复，我这还有一个问题 不知道 是不是 我操作的问题
y_truth = keras.backend.flatten(y_truth) 针对y_truth进行平铺
然后进行 y_truth = keras.backend.one_hot(indices=y_truth, num_classes=2)
会导致 后面 y_pred和y_truth 的 shape 不匹配

你这样我也不知道什么问题呀 -。- 要不你自己debug看看

[qiaoxiu]

好了 非常感谢

[zheng-yuwei]

好了 非常感谢

good~

[cfjcyc0301]

好了 非常感谢

good~

作者你好，运行ghm时报错

valid_bin = tf.reduce_sum(tf.cast(valid_bin, dtype=tf.float32), axis=(1, 2))
这行代码的axis=(1, 2)与valid_bin的shape(30, None)不匹配

报错：ValueError: Invalid reduction dimension 2 for input with 2 dimensions. for '{{node ghm_class_loss/Sum}} = Sum[T=DT_FLOAT, Tidx=DT_INT32, keep_dims=false](ghm_class_loss/Cast_2, ghm_class_loss/Sum/reduction_indices)' with input shapes: [30,?], [2] and with computed input tensors: input[1] = <1 2>.

我最近一直在改ghm代码，但都是报错，请问要怎么解决维度问题，希望作者能回复我，非常感谢。

[zheng-yuwei]

没遇到过，我也不太清楚。可能需要你自己debug一下了... 这个库是2年前的了，我已经转投pytorch了 : )