多个正分类的 TensorFlow 损失计算

Posted 2023-03-12

【中文标题】多个正分类的 TensorFlow 损失计算

【英文标题】：Tensorflow loss calculation for multiple positive classifications

【发布时间】：2018-07-06 10:02:07

【问题描述】：

我的标签是这样的

label = [0, 1, 0, 0, 1, 0]

表示类 1, 4 存在于匹配的样本输入中。

如何为这样的标签创建 one-hot 编码标签？ 哪种损失函数更适合这种情况（sigmoid 交叉熵、softmax 交叉熵或稀疏 softmax 交叉熵）？

【问题讨论】：

对于 one-hot 编码标签，您可以使用 sigmoid 交叉熵或 softmax 交叉熵。稀疏 softmax 交叉熵只允许索引标签。

【参考方案1】：

没有充分的理由为此创建 one-hot 编码版本，如果您想保持输出标签大小完全相同，在您的情况下为 6，您可以t 做一个one-hot 编码的版本。

在multi-label classification 将被执行的地方，你不能（更恰当地不应该）使用softmax 作为激活。 Softmax 适用于只有一个输出可以是真值的情况。因此，在您的情况下，最好使用sigmoid cross-entropy。