问题描述
我现在正在用 UNets 做一些稀疏 CT 去噪,其中输入是稀疏重建,输出(希望)去除了条纹伪影。我参考全采样重建使用 MSELoss 或 SmoothL1Loss 计算网络的损失。
现在,除了常规损失(您计算例如输出和标签之间差异的 l2 范数)之外,我想计算的是基于实际输出的 l2 范数的额外损失,类似于 l2正则化最小二乘问题等迭代重建技术中的正则化参数
1/2 |Ax - b|^2_2 + beta * |x|^2_2
我必须自己编写,还是 Pytorch 有一些功能可以实现“一元”损失而不是“二元”损失操作?
(我不想要 weight_decay 解决方案,我对调整网络中的权重不感兴趣。我对调整网络的输出非常感兴趣)
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)