我有以下格式的培训文件：
0.086,0.4343,0.4212，....，class1
0.086,0.4343,0.4212，....，class2
0.086,0.4343,0.4212，....，class5
其中，每行是一维向量，最后一列是该向量表示的类。我们可以看到一个向量重复多次，因为它有几个类。
读取这些数据是由python＆＃34; Panda＆＃34;图书馆。 也就是说，我需要使用卷积网络进行培训。我已经研究了一些网站并没有取得多大成功，也不知道网络是否需要为“多级”网络做好准备。形式。
我想知道是否有人知道具有张量流的多级1D分类方法或者可以引导我一个例子，因为在训练网络之后，我需要传递一个模板（这将是一个矢量）和network output me给出每个班级的正确百分比。
谢谢！
答案 0 :(得分：3)
这是一个非常简单的设置。
首先要知道的是：您的标签需要采用“一种热编码”格式。这意味着，如果您有5个类，则类1由向量[1,0,0,0,0]表示，类2由向量[0,1,0,0,0]表示，依此类推。这是标准的。
其次，你提到你想要多类分类。但你给出的例子是单类分类。所以这可能是一个术语澄清。当你说多类分类时，它意味着你想要一个样本属于多个类，假设你的第一个样本是第2类和第3类的一部分。但是在你的情况下它看起来并不像那样。因此，对于具有5个类的单类分类，您希望使用交叉熵作为损失函数。
您可以按照cifar 10教程进行操作。这是相同的设置，其中每个图像是10个类中的1个。
https://www.tensorflow.org/tutorials/deep_cnn
您提到您的数据是1维的。这很容易实现，只需将其视为cifar 10二维数据，其中一个维度设置为1.您不需要更改任何其他代码。在cifar 10示例中，您的图像将是32x32，在您的数据中，您的图像可能是32x1或10x1，无论您决定使用哪种内核（尝试不同的内核大小！）。同样的变化将适用于步幅。只需将您的问题视为具有平面第二维的2D问题，就像馅饼一样简单。
答案 1 :(得分：1)
根据我的理解，你有一个多标签问题。意味着样本可以属于多个类
查看sigmoid_cross_entropy_with_logits并将其用作您的损失函数。
对于此丢失函数，您不需要使用一个热编码或为其所属的每个标签重复您的样本。只需使用标签向量并将其设置为样本所属的类。