多输出 Keras 的回归损失函数

Posted 2023-03-28

【中文标题】多输出 Keras 的回归损失函数

【英文标题】：Regression Loss function for Multi outputs Keras

【发布时间】：2019-06-23 21:00:42

【问题描述】：

我正在使用深度学习方法来解决具有多输出（16 个输出）的回归问题，每个输出在 [0,1] 之间，总和为 1。 我对哪种损失函数最适合这个问题感到困惑，我已经测试了均方误差和平均绝对误差，但神经网络预测的值始终相同。

model = applications.VGG16(include_top=False, weights = None, input_shape = (256, 256, 3))

x = model.output
x = Flatten()(x)
x = Dense(1024)(x)
x=BatchNormalization()(x)
x = Activation("relu")(x)
x = Dropout(0.5)(x)
x = Dense(512)(x)
x=BatchNormalization()(x)
x = Activation("relu")(x)
x = Dropout(0.5)(x)

predictions = Dense(16,activation="sigmoid")(x)


model_final = Model(input = model.input, output = predictions)


model_final.compile(loss ='mse', optimizer = Adam(lr=0.1), metrics=['mae'])

【问题讨论】：

每个输出可以取 0 到 1 之间的任意数字吗？

可以，只要总和等于 1。

【参考方案1】：

您所描述的内容听起来更像是一项分类任务，因为您希望最后得到一个概率分布。 因此，您应该在最后一层使用 softmax（例如）并使用交叉熵作为损失度量。

【讨论】：

请注意类似的question。