在Keras的多分类中有多个预测？

Question

我正在学习使用Keras设计卷积神经网络。我开发了一个使用VGG16作为基础的简单模型。我在数据集中有大约6类图像。以下是我的模型的代码和说明。

model = models.Sequential()
conv_base = VGG16(weights='imagenet' ,include_top=False, input_shape=(IMAGE_SIZE, IMAGE_SIZE, 3))
conv_base.trainable = False
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(256, activation='relu', kernel_regularizer=regularizers.l2(0.001)))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(6, activation='sigmoid'))

以下是编译和拟合模型的代码：

model.compile(loss='categorical_crossentropy',
        optimizer=optimizers.RMSprop(lr=1e-4),
         metrics=['acc'])
model.summary()

callbacks = [
    EarlyStopping(monitor='acc', patience=1, mode='auto'),
    ModelCheckpoint(monitor='val_loss', save_best_only=True, filepath=model_file_path)
]

history = model.fit_generator(
    train_generator,
    steps_per_epoch=10,
    epochs=EPOCHS,
    validation_data=validation_generator,
    callbacks = callbacks,
    validation_steps=10)

以下是预测新图像的代码

img = image.load_img(img_path, target_size=(IMAGE_SIZE, IMAGE_SIZE))
plt.figure(index)
imgplot = plt.imshow(img)

x = image.img_to_array(img)
x = x.reshape((1,) + x.shape)
prediction = model.predict(x)[0]
# print(prediction)

通常，model.predict（）方法可以预测多个类。

[0 1 1 0 0 0]

我有几个问题

1. 多类分类模型预测多个输出是否正常？
2. 如果预测了多个班级，如何在培训期间测量准确度？
3. 如何修改神经网络，以便只预测一个类？

感谢任何帮助。非常感谢你！

Answer 1

您没有进行多级分类，而是进行多标签分类。这是由在输出层使用S形激活引起的。要正确进行多类分类，请在输出处使用softmax激活，这将在类上产生概率分布。 如预期那样，以最大概率（argmax）的类产生单一类预测。