二元交叉熵Keras --它是如何聚合的？

文章/答案/技术大牛

发布

3回答

一种多标签分类模型的评价

python、keras、tensorflow、multilabel-classification、model-evaluations

我目前有一个多标签的分类问题，我正在使用keras构建一个神经网络，如下所示：print(n_cols) 因此，问题是，如何才能最好地评估多标签分类？编辑:作为参考，我的目标“类”中有26列标签列，数据集由21列组成。模型训练的整个数

浏览 0提问于2020-07-16得票数 0

回答已采纳

1回答

tensorflow、keras、deep-learning

我最近一直在使用Keras中的二进制交叉熵损失。根据enter link description here的定义，损失定义为： −(ylog(p)+(1−y)log(1−p)) 然而，我想知道损失是如何在批处理级别上汇总的。是求和还是求平均值？

浏览 9提问于2019-03-25得票数 0

回答已采纳

1回答

在keras中，二元交叉熵和带有logits的二元交叉熵有什么区别？

python、machine-learning、keras、lstm、rnn

在keras后端中，with_logits在中有一个标志。普通的二元交叉熵和带有逻辑的二元交叉熵有什么区别？假设我使用的是seq2seq模型，并且输出序列为100111100011101类型。对于递归的LSTM或RNN，如果我在输入中给出了类似的顺序以及时间步骤，我应该从这些数据中学习什么？

浏览 0提问于2017-10-01得票数 5

回答已采纳

2回答

Keras Tensorflow二元交叉熵损失大于1

python、tensorflow、keras

库: Keras，后端:Tensorflow二元交叉熵损失是否可能大于1？

浏览 1提问于2018-04-17得票数 5

回答已采纳

2回答

如何应用二元交叉熵元素，然后在Keras中对所有这些损失进行求和？

python、tensorflow、keras、loss-function、cross-entropy

我想写一个有两个参数的函数，A和B，相同形状的张量(例如，13x13或其他形状)，并且返回一个数字，该数字表示当按分量应用二进制交叉熵时所有损失的总和。因此，对于A[i, j]和B[i, j]，我们找到了二元交叉熵损失，然后对所有的i和j进行了求和。如何在Keras和Tensorflow中实现这一点？

浏览 0提问于2018-09-28得票数 1

回答已采纳

1回答

交叉熵损失和逻辑损失有什么区别吗？

python、deep-learning、keras、loss-function

我想用一个逻辑损失函数作为我的深度学习模型来解决一个二元分类问题。我正在用角码来建立模型。然而，keras没有任何预先定义的逻辑。在阅读关于损失函数的文章时，我遇到了关于交叉熵损失和逻辑损失的混淆陈述。在这个维基百科中，有一个关于物流损失和交叉熵损失的单独章节。然而，在这个维基百科中，它提到：此外，这个sklearn 从以下

浏览 0提问于2018-03-01得票数 3

3回答

我们能用二元交叉熵进行多类分类吗？

keras、cnn、loss-function

在此链接中，作者实现了一个分类为15个类的神经网络，并使用二元交叉熵作为损失函数。但是既然它是多类分类，那么使用二进制交叉熵有效吗？还是我们应该用绝对交叉熵代替？

浏览 0提问于2019-09-09得票数 5

2回答

加权二进制交叉熵损失-- Keras实现

keras、tensorflow、class-imbalance

我有一个二元分割问题，数据高度不平衡，以至于每类样本中几乎有60个零类样本。为了解决这个问题，我用Tensorflow作为后端，在Keras中编写了一个简单的加权二进制交叉熵损失函数。K.binary_crossentropy(y_true, y_pred) return weighted_bce 我想问一下这个实现是否正确，因为我对Keras如果我长时间训练到过拟合点，正常的二元

浏览 0提问于2019-09-05得票数 7

回答已采纳

1回答

如何读取二进制交叉熵的输出？

keras、statistics

假设对于单个培训示例，真正的标签是1 0 0 0，而预测是0.1 0.5 0.1 0.1 0.2。如何计算其二元交叉熵？以及输出值如何决定一个样本是属于a类还是b类？我也想知道，在二元交叉熵公式中，什么是1-p？

浏览 0提问于2018-09-30得票数 1

1回答

在keras模型中使用简单的“精度”来进行多类分类是否技术错误？我们应该使用CategoricalAccuracy()吗？

tensorflow、keras、deep-learning、classification、multilabel-classification

因此，根据Keras定义，简单的“准确性”度量比较两个标记类是正确的。代码段 model.compile(optimizer = 'adam', loss = 'binary_crossentropy损失函数为二元交叉熵(范畴交叉

浏览 5提问于2020-10-28得票数 0

回答已采纳

2回答

为什么字符级cnn的文本分类保持不变

nlp、keras、conv-neural-network

I误用二进制交叉熵作为软熵，改为分类交叉熵.并且在我自己的回答中对下面问题的细节做了一些回顾我根据字母表集合使用一个热编码进行预处理，然后用0填充所有不在字母表集合中的字

浏览 3提问于2017-11-01得票数 1

回答已采纳

1回答

二元交叉熵损失值在Keras中的含义？

keras、loss

在训练过程中，我看到二元交叉熵损失是正无界的。那么，我们是否可以从仅查看损失值的角度来解释任何东西，例如，如果二元交叉熵损失为0.5，这是否意味着模型只能猜测一半的正确结果？

浏览 15提问于2020-09-02得票数 0

回答已采纳

1回答

如何计算由Keras中的回调日志提供的“损失”？

deep-learning、keras、loss-function、metric

即范畴交叉熵？二元交叉熵？还有别的吗？或者是您传递到model.compile方法中的损失函数？

浏览 0提问于2019-06-24得票数 0

回答已采纳

1回答

二元交叉熵是如何工作的？

machine-learning、classification、logistic-regression、optimization、probability

在将汇总数据传递到逻辑函数(在范围$$中规范化)之前，必须对权重进行优化，以获得预期的结果。为了为分类目的寻找最优权重，必须找到相对最小的误差函数，这可以是cross熵。据我所知，交叉熵测量两个概率分布之间的量化，由位两种概率分布的同一事件集之间的差异来衡量。$$H(p

浏览 0提问于2018-07-13得票数 5

回答已采纳

4回答

为什么不使用均方误差来解决分类问题呢？

python、keras、lstm、cross-entropy、mean-square-error

我试图用LSTM解决一个简单的二进制分类问题。我正在努力找出正确的网络损失函数。问题是，当我使用二元交叉熵作为损失函数时，训练和测试的损失值要比使用均方误差(MSE)函数要高。在研究中，我发现了二元交叉熵用于分类问题，MSE用于回归问题的理由。然而，在我的情况下，我得到了更好的准确性和较小的损失值与MSE的二进制分类。我不知道如何</e

浏览 0提问于2019-05-06得票数 11

回答已采纳

1回答

二元交叉熵损失

neural-network、loss-function、optimization

当我们有一个二进制分类问题时，我们在输出layer+中使用一个sigmoid激活函数--二进制交叉熵损失。我们还需要一个热点编码的目标variable.This S，一个二进制分类问题，意味着我们可以有一些样本与y_pred=0。正如我们所知道的，二元交叉熵损失的数量是log(y_pred)，这意味着对于属于0类的样本，我们可以有log(0)。但是，log(0)是未定义的！那么，二进制交叉熵

浏览 0提问于2022-10-25得票数 0

1回答

如果我的数据是多标签的，并且我的目标向量不是一个热编码的，那么我应该使用哪种丢失函数？

python、keras、loss-function、multilabel-classification、cross-entropy

我刚刚读过这个，它解释了二元交叉熵和分类交叉熵之间的区别，特别是，我对这张图片有一个疑问：作者讨论了一个多标签的情况，你的目标(或地面真相)标签是一个热编码，但如果你的目标标签不是一个热编码例如，如果只有一半的熊猫在图像中，然后我将图像标记为1，0，0.5，那么在这种情况下，我还会使用二进制交叉熵吗？在目标向量不是二进制的情况下，数学是如何</

浏览 4提问于2020-08-05得票数 1

1回答

二进制交叉熵输出，如何读取输出？

python、python-3.x、keras、deep-learning

我有一个二元交叉熵模型两类:正常的，牛市的。我用了角角功能模型。activation.class indices: {'bullish': 0, 'normal': 1} 那么，当一个预测返回[0.5905021]时，它是否有59%

浏览 1提问于2021-07-27得票数 0

回答已采纳

1回答

角点中像素级二进制分类的最佳损失函数

machine-learning、deep-learning、keras

我建立了一个深度学习模型，它接受尺寸为250*250*3的图像，并输出62500(250*250)二进制向量，其中包含以0为单位的像素，以表示背景的像素和以像素表示ROI的1s。我的模型是基于DenseNet121的，但是当我在最后一层使用softmax作为激活函数和分类交叉熵损失函数时，损失是nan。什么是我可以在我的模型中使用的最好的丢失和激活函数？二元交叉<

浏览 7提问于2017-10-27得票数 5

回答已采纳

1回答

具有权重的Keras* -多标号分类*

python、keras、loss-function

据我所知，我必须用乙状结肠激活来放置一个密集的层，并使用二元交叉熵作为我的损失函数。问题是，存在着很大的阶级不平衡(正常人比异常者多)。我很好奇到目前为止，我的模特是：from keras.layers import GlobalAveragePooling2D=False, weights=None,backend=ke

浏览 1提问于2020-01-07得票数 1

回答已采纳

点击加载更多

一种多标签分类模型的评价