Keras 中的多分类预测不止一个？

Posted 2023-03-12

【中文标题】Keras 中的多分类预测不止一个？

【英文标题】：More than one prediction in multi-classification in Keras?

【发布时间】：2018-01-12 12:56:57

【问题描述】：

我正在学习如何使用 Keras 设计卷积神经网络。我开发了一个使用 VGG16 作为基础的简单模型。我在数据集中有大约 6 类图像。这是我的模型的代码和描述。

model = models.Sequential()
conv_base = VGG16(weights='imagenet' ,include_top=False, input_shape=(IMAGE_SIZE, IMAGE_SIZE, 3))
conv_base.trainable = False
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(256, activation='relu', kernel_regularizer=regularizers.l2(0.001)))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(6, activation='sigmoid'))

这是编译和拟合模型的代码：

model.compile(loss='categorical_crossentropy',
        optimizer=optimizers.RMSprop(lr=1e-4),
         metrics=['acc'])
model.summary()

callbacks = [
    EarlyStopping(monitor='acc', patience=1, mode='auto'),
    ModelCheckpoint(monitor='val_loss', save_best_only=True, filepath=model_file_path)
]

history = model.fit_generator(
    train_generator,
    steps_per_epoch=10,
    epochs=EPOCHS,
    validation_data=validation_generator,
    callbacks = callbacks,
    validation_steps=10)

这是预测新图像的代码

img = image.load_img(img_path, target_size=(IMAGE_SIZE, IMAGE_SIZE))
plt.figure(index)
imgplot = plt.imshow(img)

x = image.img_to_array(img)
x = x.reshape((1,) + x.shape)
prediction = model.predict(x)[0]
# print(prediction)

通常 model.predict() 方法预测不止一个类。

[0 1 1 0 0 0]

我有几个问题

多类分类模型预测多个输出是否正常？ 如果预测不止一个类，如何在训练期间测量准确度？ 如何修改神经网络以便只预测一个类别？

感谢任何帮助。非常感谢！

【参考方案1】：

你不是在做多类分类，而是多标签。这是由在输出层使用 sigmoid 激活引起的。要正确进行多类分类，请在输出处使用 softmax 激活，这将产生类的概率分布。 正如预期的那样，采用具有最大概率 (argmax) 的类将产生单个类预测。

【讨论】：

感谢您的解释。就是这样！你能解释一下 Keras 训练函数是如何测量准确性的吗？例如，在训练期间，假设模型预测 [0, 0.2, 0.4, 0.7, 0.1, 0]。 keras 看第 3 类，精度为 0.7 并认为是模型的输出与真值进行比较？

这种方法不是库特定的。一般的多类分类概率是使用具有n个输出类的softmax激活，将“pick”作为最高概率之一。因此，在您的情况下，是的，第 3 类被认为是选定的类。单个样本的准确度是二进制的，并在您的输入上取平均值。 @TMS。