小编Wae*_*Eid的帖子

我建立了一个深度学习模型，该模型接受大小为250 * 250 * 3的图像，并输出62500（250 * 250）二进制矢量，该二进制矢量包含代表背景的像素0和代表ROI的像素1s。我的模型基于DenseNet121，但是当我使用softmax作为最后一层的激活函数和分类交叉熵损失函数时，损失是nan。我可以在模型中使用的最佳损失和激活函数是什么？二进制交叉熵和分类交叉熵损失函数有什么区别？提前致谢。

ImportError: libcuda.so.1: cannot open shared object file: No such file or directory
Failed to load the native TensorFlow runtime.

导入时出现此错误tensorflow。我需要知道解决这个问题的步骤。

此代码结合了图像和遮罩以进行图像检测？
我该如何纠正该错误？

batch_size = x.shape [0] AttributeError：“元组”对象没有属性“ shape”

这是用于训练的代码：

train_datagen = ImageDataGenerator(
            rescale=1. / 255,
            shear_range=0.2,
            zoom_range=0.2,
            horizontal_flip=True)
train_datagen_1 = ImageDataGenerator(
            rescale=1. / 255,
            shear_range=0.2,
            zoom_range=0.2,
            horizontal_flip=True)


train_generator = train_datagen.flow_from_directory(
            train_data_dir,
            target_size=(200, 150),
            batch_size=1
          )
train_generator_1= train_datagen_1.flow_from_directory(
            train_data_dir_1,
            target_size=(200, 150),
            batch_size=1)
train_generator_2 = zip( train_generator, train_generator_1)

model.fit_generator(
            train_generator_2,
            steps_per_epoch=nb_train_samples // batch_size,
            epochs=50)

这是我正在使用的模型：

model = Sequential() 
model.add(Conv2D(32, (3, 3), input_shape=(200, 150, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Flatten()) 
model.add(Dense(20)) model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(90000)) 
model.add(Activation('sigmoid')) 
model.compile(loss='mse', optimizer='rmsprop', metrics=['accuracy'])