小编mko*_*bas的帖子

我正在实现一个损失函数，该函数将使用掩模张量(M)来消除给定预测和地面实况张量0s and 1s的一些损失值。(P)(G)

所以，我有两种可能的方法：

逐元素乘法：

loss = K.sum(M * K.binary_crossentropy(G, P))

条件选择：

bin_ce = K.binary_crossentropy(G, P)
loss = K.sum(tf.where(tf.equal(M, 1), bin_ce, 0))

那么，就运行时间而言，哪个会更高效呢？

我正在尝试阅读这一行中Tensorflow非极大值抑制方法的源代码。它是从gen_image_ops文件导入的，但我在张量流源代码中找不到该文件。

有什么来源可以让我获得这个方法的代码吗？

我想使用VGG预训练模型提取368x368尺寸图像的特征。根据文档，VGGnet接受224x224尺寸的图像。有没有办法给Keras VGG提供可变大小的输入？

这是我的代码：

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 224, 224, 3))
base_model = VGG19(weights='imagenet')
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)

编辑代码（有效！）

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 368, 368, 3))
base_model = VGG19(weights='imagenet', include_top=False)
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)