Python中Tensorflow的Angles Comparasion Loss函数

Question

我有一个CNN，接收一个图像，出一个单一的值 - 一个角度。数据集由（x =图像，y =角度）对组成。

我想要每个图像的网络，以预测角度。

我发现了这个建议：https://stats.stackexchange.com/a/218547但我似乎无法理解如何将其转换为Python代码中的Tensorflow。

x_CNN = tf.placeholder(tf.float32, (None, 14, 14, 3))
y_CNN = tf.placeholder(tf.int32, (None))
keep_prob_CNN = tf.placeholder(tf.float32)
one_hot_y_CNN = tf.one_hot(y_CNN, 1)
def MyCNN(x):
    # Network's architecture: In: Image, Out: Angle.
logits_CNN = MyCNN(x)

# Loss Function attempt <------------------------------
outs = tf.tanh(logits_CNN)
outc = tf.tanh(logits_CNN)
loss_operation_CNN = tf.reduce_mean(0.5 * (tf.square(tf.sin(one_hot_y_CNN) - outs) + tf.square(tf.cos(one_hot_y_CNN) - outc)))

learning_rate_placeholder_CNN = tf.placeholder(tf.float32, shape=[])
optimizer_CNN = tf.train.AdamOptimizer(learning_rate = learning_rate_placeholder_CNN)
training_operation_CNN = optimizer_CNN.minimize(loss_operation_CNN)
correct_prediction_CNN = tf.equal(tf.argmax(logits_CNN, 1), tf.argmax(one_hot_y_CNN, 1))
accuracy_operation_CNN = tf.reduce_mean(tf.cast(correct_prediction_CNN, tf.float32))

# And a working Training and testing code...

Answer 1

这是正确的方向，但是这个想法是，不是让MyCNN为每个例子产生单个角度值，而是产生两个值。因此，如果MyCNN的返回值目前具有像(None,)或(None, 1)这样的形状，则应将其更改为(None, 2) - 也就是说，最后一层应该还有一个输出。如果您对如何做到这一点有疑问，请提供有关MyCNN身体的更多详细信息。

然后你会有：

outs = tf.tanh(logits_CNN[:, 0])
outc = tf.tanh(logits_CNN[:, 1])
out_radians = tf.atan2(outs, outc)  # This is the final angle output in radians

关于损失，我不确定我理解你的Y输入。如果你试图预测一个角度，它不应该是一个浮点值，而不是一个整数？在这种情况下，您将拥有：

# Example angle in radians
y_CNN = tf.placeholder(tf.float32, (None,))

# ... 

loss_operation_CNN = tf.reduce_mean(0.5 * (tf.square(tf.sin(y_CNN) - outs) +
                                           tf.square(tf.cos(y_CNN) - outc)))