python - 如何为 Keras 中的每个输出应用 sigmoid 函数？

Question

这是我的代码的一部分。

model = Sequential()
model.add(Dense(3, input_shape=(4,), activation='softmax'))
model.compile(Adam(lr=0.1),
          loss='categorical_crossentropy',
          metrics=['accuracy'])

使用这段代码，它会立即将 softmax 应用于所有输出。所以输出表示所有概率。但是，我正在研究非排他性分类火，这意味着我希望输出具有独立的概率。对不起我的英语不好...但我想做的是将 sigmoid 函数应用于每个输出，以便它们具有独立的概率。

Answer 1

不需要像已接受的答案所建议的那样创建 3 个单独的输出。

只用一行就可以达到相同的结果:

model.add(Dense(3, input_shape=(4,), activation='sigmoid'))

---

您可以只对最后一层使用 'sigmoid' 激活:

from tensorflow.keras.layers import GRU
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation
import numpy as np

from tensorflow.keras.optimizers import Adam

model = Sequential()
model.add(Dense(3, input_shape=(4,), activation='sigmoid'))
model.compile(Adam(lr=0.1),
          loss='categorical_crossentropy',
          metrics=['accuracy'])

pred = model.predict(np.random.rand(5, 4))
print(pred)

独立概率的输出:

[[0.58463055 0.53531045 0.51800555]
 [0.56402034 0.51676977 0.506389  ]
 [0.665879   0.58982867 0.5555959 ]
 [0.66690147 0.57951677 0.5439698 ]
 [0.56204814 0.54893976 0.5488999 ]]

---

如您所见，类别概率彼此独立。 sigmoid 分别应用于每个类。