Question

2个问题：

我使用keras team conv_lstm.py example on github来预测在该示例中创建的视频的下一帧。显然，这是一个回归问题，因为我们将预测下一帧。我想知道他们为什么要使用这种损失
```
line 38:

seq.compile(loss='binary_crossentropy', optimizer='adadelta')
```
相反，我相信使用：
```
seq.compile(loss='mean_squared_error', optimizer='rmsprop')
```

将产生更好的预测，因为我们正在实现回归问题，而不是分类问题。我说得对吗？

在代码的第107行，他们留下了一条评论，说：

用前7个位置喂食它，然后预测新的位置。

这是他们在给定7个输入帧的情况下用来预测7个帧的代码：

which = 1004
track = noisy_movies[which][:7, ::, ::, ::]

for j in range(16):
   new_pos = seq.predict(track[np.newaxis, ::, ::, ::, ::])
   new = new_pos[::, -1, ::, ::, ::]
   track = np.concatenate((track, new), axis=0)

假设我要预测测试视频的第7帧。如果我不使用最后7帧来填充模型，而是只使用第7帧来填充模型，那么预测会有所不同吗？

谢谢。

Answer 1

好吧，如果输出在0到1之间的范围内，则完全可以使用'binary_crossentropy'。

就好像您只在一个类别中遇到分类问题：对还是错。（不过，该函数仍然是连续的，最后零误差点将是相同的）

根据所使用的激活函数的类型（尤其是“ sigmoid”），由于数学上的细节，“ binary_crossentropy”将使结果比“ mse”更快。

LSTM层经常从分析帧（或任何类型的数据的步骤）中学习。

它具有所谓的“内部状态”。它分析的每个步骤都会更新此内部状态，因此它既可以像是对到目前为止所发生事件的“记忆”，也可以像“我现在在电影中现在在哪里？”之类的定位器一样工作。

因此，对LSTM做出好的预测是绝对必要的。

想象一下，您以前从未看过《星球大战》，然后在达特说：“卢克，我是你父亲”。您只会说：“什么？”。

现在从头开始观看所有电影，并到达该部分。您的理解会有所不同吗？ LSTM将同意您的观点。

conv_lstm.py示例使用'binary_crossentropy'损失进行回归。为什么不使用“ mean_squared_error”呢？

1 个答案: