Fehlerfunktionen

Vorgehen: vgl hier

Vorgehen als IPythonNotebook : /NetworkTypes/Fehlerfunktion_Trainieren_bsp.ipynb vgl hier

Anpassen der Fehlerfunktion in dem Skript tfModels.py in Zeile 50:

model.compile(loss="mean_squared_error", optimizer='adam')

zu verwendendes Netz UNet inputshape = 64x64x5, output 1 64x64 Bild nach 5 Minuten:

import tfModels as tfM
input_shape = (64, 64, 5)
model = tfM.UNet64(input_shape) #erster Test auf reale Daten

zu verwende Bilder 2016 grob zentriert auf Konstanz mit größe 64x64:

import sample_bundle
sb = sample_bundle.load_Sample_Bundle("C:/Users/TopSecret!/Documents/aMSI1/Teamprojekt/DeepRain/Data/RegenTage2016")

Zum Unterteilen in test/trainingsdaten wie folgt vorgehen:

data, label = samplebundle.get_all_data_label(channels_Last=channelsLast, flatten_output=True)
n_testsamples = 50
x_train, y_train = data[n_testsamples:], label[n_testsamples:]
x_test, y_test = data[:n_testsamples], label[:n_testsamples]

trainieren des Netzes kann mit folgendem Code gestartet werden: hierzu auch {FEHLERFUNKTIONSNAME} austauschen gegen den entsprechenden Namen der Fehlerfunktion!

train_realdata(model, sb, n_epoch=80, savename="{FEHLERFUNKTIONSNAME}", channelsLast=True, use_logfile=True,
load_last_state=True)

zur Auswertung wird ein logfile "trainphase.log" angelegt, hierin stehen Werte zum Anzeigen der Lernkurve