感谢您浏览我的帖子。
在Keras中使用CNN进行多标签分类的方法如下。
model = Sequential()
model.add(Conv2D(32, 2, activation='relu', input_shape = X_train[0].shape))
model.add(BatchNormalization())
model.add(Dropout(0.2))
model.add(Conv2D(64, 2, activation='relu'))
model.add(BatchNormalization())
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(32, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='sigmoid'))
在多标签分类中,每个标签都使用S形符号分类为二元分类。
所以我的问题是,对于每个标签,Sigmoid之前的密集层是否也分开?
共享密集层似乎会影响分类准确性。但是在我看来,这并没有分裂。