tensorflow - 如何使用 TensorFlow 学习多类多输出 CNN

Question

我想用 TensorFlow 训练一个卷积神经网络来进行多输出多类分类。

例如:如果我们采用 MNIST 样本集，并且总是将两张随机图像组合成一张，然后想要对生成的图像进行分类。分类的结果应该是图像中显示的两位数字。

因此网络的输出可以具有 [-1, 2, 10] 的形状，其中第一个维度是批处理，第二个维度代表输出(是第一个还是第二个数字)，第三个是“通常”显示数字的分类。

我尝试用谷歌搜索了一段时间，但没能找到有用的东西。另外，我不知道多输出多类分类是否是这个任务的正确命名。如果不是，正确的命名是什么？您是否有任何链接/教程/文档/论文来解释我需要做什么来构建损失函数/训练操作？

我尝试的是使用 tf.split 将网络的输出拆分为单个输出，然后在每个输出上使用 softmax_cross_entropy_with_logits。结果我对所有输出进行平均，但它似乎不起作用。这是一种合理的方式吗？

Answer 1

关于分类问题的命名法，你可以看看这个链接: http://scikit-learn.org/stable/modules/multiclass.html

所以你的问题叫做“多标签分类”。在正常的 TensorFlow 多类分类(经典 MNIST)中，您将有 10 个输出单元，您将在最后使用 softmax 来计算损失，即“tf.nn.softmax_cross_entropy_with_logits”。

例如:如果您的图片有“2”，那么 groundtruth 将为 [0,0,1,0,0,0,0,0,0,0]

但在这里，您的网络输出将有 20 个单位，您将使用 sigmoid 即“tf.nn.sigmoid_cross_entropy_with_logits”

例如:如果您的图片有“2”和“4”，那么groundtruth将为[0,0,1,0,0,0,0,0,0,0,0,0,0,0, 1,0,0,0,0,0]，即前十位代表第一个数字类，第二个代表第二个数字类。