多个正分类的张量流量损失计算

时间:2018-01-27 02:11:28

标签: tensorflow machine-learning loss-function multiclass-classification

我的标签看起来像这样

label = [0, 1, 0, 0, 1, 0]

意味着匹配的样本输入中存在类1, 4

  1. 如何为这样的标签创建单热编码标签?
  2. 哪种损失函数更适合这种情况(S形交叉熵,softmax交叉熵或稀疏softmax交叉熵)?

1 个答案:

答案 0 :(得分:1)

  1. 没有充分的理由为此创建one-hot编码版本,如果您希望保持输出标签大小完全相同,在您的情况下为6 ,你不能做one-hot编码版本。

  2. 要完成multi-label classification,您不能(更恰当地不应)使用softmax作为激​​活。 Softmax适用于只有一个输出可以是真值的情况。因此,在您的情况下,最好使用sigmoid cross-entropy