小编Joh*_*ohn的帖子

我不知道如何在 opencv 中打开 dng 文件。该文件是在使用三星 Galaxy S7 的专业选项时创建的。使用这些选项时创建的图像是 dng 文件以及大小为 3024 x 4032 的 jpg（我相信这也是 dng 文件的尺寸）。

我尝试使用这里的答案（除了 3 种颜色而不是灰度），如下所示：

import numpy as np
fd = open("image.dng", 'rb')
rows = 4032
cols = 3024
colors = 3
f = np.fromfile(fd, dtype=np.uint8,count=rows*cols*colors)
im = f.reshape((rows, cols,colors)) #notice row, column format
fd.close()

但是，我收到以下错误：

 cannot reshape array of size 24411648 into shape (4032,3024,3)

任何帮助，将不胜感激

我正在尝试在 Keras 中编写自定义损失函数，如下所示：Keras 中的自定义损失函数

我的自定义函数应该降低小于 25 的值的影响。为此，该函数将首先调用tf.clip_by_value（因此，任何小于 25 的值都将变为 25）yTrue和yPred（如上面的链接所示）。接下来，为了减少这些值的影响，当一个值 inyTrue等于 25 时，将对应的值yPred改为 yPred[i] - (yPred[i] - yTrue[i])/2。最后，该函数将在这两个张量上返回“binary_crossentropy”的结果。

我有两个主要问题：

1. 我如何实现这个自定义损失函数？我在迭代张量时遇到问题（如Looping over a tensor 中所示）
2. 我提出的函数是一个很好的实现来减少这些值的影响还是有更好的选择？

在此先感谢您的帮助

我正在使用 tensorflow 作为后端为 keras 创建自定义损失函数。为此，我想尝试类似于此处显示的内容：以 y_true 将取决于 y_pred 的方式自定义 Keras 的损失函数

但是，在运行脚本时（取自 Van）：

import theano
from keras import backend as K
from keras.layers import Dense
from keras.models import Sequential

def customized_loss(y_true, y_pred):
    loss = K.switch(K.equal(y_true, -1), 0, K.square(y_true-y_pred))
    return K.sum(loss)

if __name__ == '__main__':
    model = Sequential([ Dense(3, input_shape=(4,)) ])
    model.compile(loss=customized_loss, optimizer='sgd')

    import numpy as np
    x = np.random.random((1, 4))
    y = np.array([[1,-1,0]])

    output = model.predict(x)
    print output
    # [[ 0.47242549 -0.45106074  0.13912249]]
    print model.evaluate(x, y)  # keras's loss …