也许是一个非常愚蠢的问题，但我找不到如何在Keras中使用categorical_hinge的例子。我做分类，我的目标是shape(,1)，值为[-1,0,1]所以我有3个类别。使用功能API我已经设置了我的输出层：
output = Dense（1，name =＆＃39; output＆＃39;，activation =＆＃39; tanh＆＃39;， kernel_initializer =＆＃39; lecun_normal＆＃39）（输出1）
然后我申请：
model.compile（optimizer = adam，loss = {＆＃39; output＆＃39;：＆＃39; categorical_hinge＆＃39;}， 度量= [＆＃39;准确性＆＃39;]）
结果是模型正在收敛但准确度趋于0.我做错了什么？
答案 0 :(得分：1)
尽管[-1, 0, 1]是您的tanh激活函数的有效目标范围，但经验表明Keras模型在二进制输出中分类时效果不佳。考虑使用带有softmax分类器的三个单热点向量。如果我正确地解释了this bug report，则分类铰链将被构建为可以与一键矢量结合使用。
所以：将标签转换为一键式，然后将输出更改为以下内容：
output = Dense(3, name='output', activation='softmax', kernel_initializer='lecun_normal')(output1)
答案 1 :(得分：0)
使用：
model.compile(optimizer=adam, loss="categorical_hinge", metrics=['accuracy'])