如何修改张量流损失功能以适应同一图像上的多个标签

Question

Tensorflow对我来说相当新，我在mnist数据集上计算损失的方式是使用softmax_cross_entropy_with_logits函数。 由于标签输入是每个图像上的单个标签，因此该功能适用​​于该数据集 我想要做的是在mscoco数据集上训练CNN，该数据集在同一图像上有多个标签，总共有80个类。 有没有一个功能可以实现这一目标？ 我的标签输入目前在某种程度上是一个修改过的单一表示，这意味着对于每个图像，我有一个80个元素的列表，其中0表示不在图像中的类别，1表示图像中存在的类别 即一个人和狗的图像将有一个[0,1,0,0,1]列表，假设我有5个类与狗和人类在索引1和4

Answer 1

对于多标签分类问题，您可以使用tensorflow（tf.nn.sigmoid_cross_entropy_with_logits）中提供的sigmoid函数。它将onehot编码的标签输入与最终的logits层一起作为其输入。