TensorFlow-多个可能的标签

Question

我正在创建一个井字游戏引擎，这是我的第一个Machine Learning项目。预测每个位置的最佳动作是工作。问题是，在某些位置上可能会有几个“最佳动作” 。因此，我想将这些最佳移动提供给TensorFlow，然后，如果模型预测了其中任何一个，它将算作 true / correct 预测。

我的问题是：可能吗？如果是，该如何实施？如果没有，是否有任何解决方法？

注意：我将TensorFlow与Python 3一起使用。

Answer 1

取决于您使用的是哪种模型，但是一种解决方案可能是：

• 将每行的标签作为^ 2维向量（井字网格中的字段数，在最常见的情况下为9，n为3）进行处理，其中值为1表示移动是否为期望在该位置，否则为0，例如=$D$4*INDEX(CHOOSE(MATCH($D$10,{"Marketing","Service"},0),Marketing_ratio,Service_ratio),MATCH(F3,CHOOSE(MATCH($D$10,{"Marketing","Service"},0),Marketing_area,Service_area),0)) 可能指示期望的移动将位于网格的两个底角
• 模型的最后一层的输出可以通过sigmoid函数输入
• 然后，训练期间模型的丢失可能是cross-entropy loss（here是有关此主题的文章的示例）。您不希望通过softmax函数提供输出，因为它会将模型的输出值映射到概率总计为1的概率-因此，假设只有一个最理想的标签。

对于损失函数，您可以利用log-loss，它是所有标签分别的二进制交叉熵的加权和（默认情况下）。 Here是确切的定义（如果您想详细介绍）（通常最好看一下TensorFlow的源代码以了解其工作原理）。

编辑：这里的假设是模型应该一次输出所有个正确的动作，因此，取决于您要实现的目标，这可能不是您所提到的模型预测的最佳解决方案任何正确的标签。但这也许会引导您实现目标：）