kerasで四捨五入をするバックエンド関数について

Question

現在、セグメンテーション課題に取り組んでまして、Dice係数をlossに適用しようと考えています。そこで、ネットに転がっていたプログラムに四捨五入の項を付け加えて使用しようと考えています。下記のnpの部分をkeras.backendに置き換えたいのですが、方法がわかりませんでした。アドバイスお願いします。

#Calculate dice coefficient
def dice_coef(y_true, y_pred):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    y_true_f = np.round(y_true_f)
    y_pred_f = np.round(y_pred_f)
#     y_pred_f = K.int(y_pred_f)
    intersection = K.sum(y_true_f * y_pred_f)
    return (2.0 * intersection + 1) / (K. sum(y_true_f) + K.sum(y_pred_f) + 1)
    
def dice_coef_loss(y_true, y_pred):
    return - dice_coef(y_true, y_pred)

Answer 1

keras.backend.round(x) があるので、これをお使いください。

Comments

[Kohei_KESE]

回答ありがとうございます。
K.roundに変えたところ以下のエラーが出てストップしました。何か対策はありますでしょうか？
model.fitの部分です。
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-17-97b0a25eb6f8> in <module>()
12 # callbacks = [tsb]
13 callbacks = [model_checkpoint],
---> 14 shuffle=True)
15
16 # 終了時刻

~/anaconda3/lib/python3.6/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
1008 else:
1009 ins = x + y + sample_weights
-> 1010 self._make_train_function()
1011 f = self.train_function
1012

~/anaconda3/lib/python3.6/site-packages/keras/engine/training.py in _make_train_function(self)
507 training_updates = self.optimizer.get_updates(
508 params=self._collected_trainable_weights,
--> 509 loss=self.total_loss)
510 updates = (self.updates +
511 training_updates +

~/anaconda3/lib/python3.6/site-packages/keras/legacy/interfaces.py in wrapper(*args, **kwargs)
89 warnings.warn('Update your `' + object_name + '` call to the ' +
90 'Keras 2 API: ' + signature, stacklevel=2)
---> 91 return func(*args, **kwargs)
92 wrapper._original_function = func
93 return wrapper

~/anaconda3/lib/python3.6/site-packages/keras/optimizers.py in get_updates(self, loss, params)
473 @interfaces.legacy_get_updates_support
474 def get_updates(self, loss, params):
--> 475 grads = self.get_gradients(loss, params)
476 self.updates = [K.update_add(self.iterations, 1)]
477

~/anaconda3/lib/python3.6/site-packages/keras/optimizers.py in get_gradients(self, loss, params)
89 grads = K.gradients(loss, params)
90 if None in grads:
---> 91 raise ValueError('An operation has `None` for gradient. '
92 'Please make sure that all of your ops have a '
93 'gradient defined (i.e. are differentiable). '

ValueError: An operation has `None` for gradient. Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.

[tiitoi]

ValueError: An operation has `None` for gradient. Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.

エラーの通り、K.round() は微分が定義できないので、損失関数に使うことはできないということだと思います。
微分が定義できないとバックプロパゲーションが行えないので学習できません。

[Kohei_KESE]

y_predが0,1の2値配列なのに対し、y_trueが少数を含む配列なので、正しくdice_coefが計算できないことが今回の質問でしたが、lossの部分ではなく、その前の入力の部分にnp.roundをかけてあげることで正しい値を表示することができました。
回答ありがとうございました。