Question

我目前正在尝试使用分类数据显示具有概率的矩阵，我最初尝试将机智数据格式训练为

for i in range(6):
    print ("guess{}".format(i))

不是2D矩阵，但我将损失设置为：

    X, Y = sc_x.fit_transform(dataset[:, :5]), dataset[:, 5:6]

所以我了解它是如何将标量值转换为一维数组形式的表格。因为我目前有以下结果：

    model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['sparse_categorical_accuracy'])

使用5个输入值，它将尝试分类为5个类别。但是，我想拥有的更多是2D矩阵：

Testing [3000.  160.    5.    0.    2.] ===>
Prediction:[[0.     0.0864 0.3018 0.4943 0.1175]]
Class Prediction:4

但是如果我将Y增加为更多值，则会产生错误。

Testing [3000.  160.    5.    0.    2.] ===>
Prediction:[ [0.     0.0864 0.3018 0.4943 0.1175], 
             [0.     0.0563 0.3785 0.5647 0.0005], 
             [0.     0. 0.37 0.63 0.], 
             [0.     0. 0.43 0.57 0.]
            ]
Class Prediction:[4, 4, 4, 4]

返回

    X, Y = sc_x.fit_transform(dataset[:, :5]), dataset[:, 5:]

TL; DR; -我想找到一种从Keras神经网络生成2D矩阵输出的方法。 -图层没有任何卷积数据。

具有2D矩阵的Keras输出层

0 个答案: