CNN预测负值

Question

我不确定，我在找什么，这就是为什么我可能会错过互联网上的答案。我有完全卷积神经网络U-网。垫子总是“相同”，激活函数是"relu“。我给它输入像素介于0到1之间的图像。损失函数是二进制交叉熵，因为我只有一个类。优化器是ADAM，在默认情况下度量是“精确”。当我把准确性放在那里的时候，它工作得很好。但是，当我将度量更改为IOU时，代码会崩溃，出现“预测中的负值”。

tensorflow.python.framework.errors_impl.InvalidArgumentError: 2 root error(s) found.
  (0) Invalid argument:  assertion failed: [`predictions` contains negative values] [Condition x >= 0 did not hold element-wise:] [x (confusion_matrix/Cast:0) = ] [0 0 0...]
     [[{{node confusion_matrix/assert_non_negative_1/assert_less_equal/Assert/AssertGuard/else/_10/confusion_matrix/assert_non_negative_1/assert_less_equal/Assert/AssertGuard/Assert}}]]
     [[confusion_matrix/assert_non_negative_1/assert_less_equal/Assert/AssertGuard/branch_executed/_17/_87]]
  (1) Invalid argument:  assertion failed: [`predictions` contains negative values] [Condition x >= 0 did not hold element-wise:] [x (confusion_matrix/Cast:0) = ] [0 0 0...]
     [[{{node confusion_matrix/assert_non_negative_1/assert_less_equal/Assert/AssertGuard/else/_10/confusion_matrix/assert_non_negative_1/assert_less_equal/Assert/AssertGuard/Assert}}]]
0 successful operations.
0 derived errors ignored. [Op:__inference_train_function_4589]

因此，我使用“准确性”来训练和检查预测图像，并且确实存在负值预测。为什么？

Answer 1

我发现有人试图从Keras中更改IOU度量中的类数，这很有帮助。请参阅：https://github.com/tensorflow/models/issues/8138

我也尝试过，并将类的数量从1改为2。然而，您需要做的是将它更改为更大的数目。10+为我工作。

但我还是不知道为什么。

Answer 2

发现了问题。很明显。由于某些原因，我认为默认的激活是"sigmoid"，因此最后一个卷积层没有指定的“激活”单元。即使所有的激活单元都是relu，由于卷积，最后一层可能有负值。*面部表情：