python - Keras 中的多类多标签分类

Question

我正在尝试使用 Keras 训练多任务多标签分类器。输出层是两个输出的 fork 。每个输出层的任务是预测其任务的类别。 y 向量是 OneHot 编码的。

我正在为我的数据使用自定义生成器，它生成 fit_generator 函数列表中的 y 数组

我在每一层都使用了 categorigal_crossentropy 损失函数

fork1.compile(loss={'O1': 'categorical_crossentropy', 'O2': 'categorical_crossentropy'},
              optimizer=optimizers.Adam(lr=0.001),
              metrics=['accuracy'])

问题:此设置不会减少损失。但是，如果我分别训练每个任务，我的损失很低，准确率很高。那么可能是什么问题呢？

Answer 1

要执行多标签分类分类(其中每个样本可以有多个类)，以密集层结束您的层堆栈，其单元数等于类数和 sigmoid 激活，并使用 binary_crossentropy 作为损失。你的目标应该是 k-hot 编码的。

关于多输出模型，训练这样的模型需要能够为需要不同训练过程的网络的不同头部指定不同的损失函数。

您应该提供更多信息，以便清楚地表明您想要实现的目标。