Question

我有一个神经网络，其工作是对10个类进行分类。此外，我希望将这10个类分为2类（正 - > 3，负 - > 7）。我怎样才能在keras中实现这一目标？

Answer 1

听起来你正试图解决两个不同但密切相关的问题。我建议你训练你的第一个模型来预测10个类，然后你创建第一个模型的副本（包括权重），除了不同的输出层以支持二进制分类。此时你可以：

仅训练您的最终密集图层和新输出图层，或
以较低的学习率训练整个模型

有关详细信息，请参阅Transfer Learning。

示例代码：

model.save('model_1') # load this to retrieve your original model
model.pop() # pop output activation layer and associated params
model.pop() # pop final dense layer
model.add(Dense(1), kernel_initializer='normal', activation='sigmoid')
for layer in model.layers[:-2]:
    layer.trainable = False
model.compile(loss='binary_crossentropy', optimizer='nadam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=50, batch_size=32)

如果你想重新训练整个模型，你可以省略除了最后两层之外的所有循环设置，并且选择一个优化器，例如学习率低的SGD。

如何在keras中添加两个输出分类图层？

1 个答案: