1回答
我正在尝试使用softmax作为输出函数来训练一个多任务分类神经网络。在论文中，作者在输出层使用了一个自定义的softmax函数，它给出了每个节点/任务的独立概率，而不是产生一个和为1的概率向量o。这对我来说很奇怪，因为我了解到softmax函数的概率和是1。我天真地认为应该使用sigmoid函数。在我看来，输出层上的每个节点都是独立处理的。 另一件事是我如何在Keras
浏览 28提问于2019-05-28得票数 2
2回答
在研究多任务学习的损失函数时，我有点迷失了方向。例如，在只有一个任务的二进制分类中，例如将电子邮件分类为垃圾邮件或非垃圾邮件，使用softmax激活+ softmax_crossentropy损失函数，每个标签(垃圾邮件/非垃圾邮件)的概率总和将为1如何将其应用于多任务学习？
让我们考虑一下有5个任务的情况，每个任务都是一个二元问题。softmax函数是独立地应用于每个任务(例如，对于任务
浏览 1提问于2019-05-26得票数 1
1回答
使用互斥任务的多任务学习？
、、、、
我希望通过使用图中所示的共享层执行分割和分类来执行多任务学习。然而，输出1将是一个分段掩码，它使用不同的损失函数，如骰子损失，输出2使用softmax激活来提供类别概率。而且，数据是相互排斥的，分割任务来自自然图像领域，而分类任务来自医学图像领域。Keras或Pytorch是否有明确的方法或示例来演示这种多任务学习任务？
浏览 5提问于2020-06-01得票数 1
1回答
我试着用CNN进行文本分类。然后，我设计了一个简单的多任务学习结构，如下面的，但它并没有提高我的细粒度标签上的最终性能。18 data = mx.symbol.Variable('data') 59
60 retu
浏览 1提问于2016-08-27得票数 1
目前，我正在将我的二进制分类模型转换为多类分类模型。和我一起裸露..。我非常熟悉火把和机器学习。
所以，我有一个令人困惑的问题，那就是，我什么时候才能使用Softmax函
浏览 9提问于2021-12-10得票数 1
4回答
在与对象检测和语义分割相关的深度学习实现中，我看到了使用sigmoid或softmax的输出层。我不是很清楚什么时候用哪种？在我看来，他们两个都可以支持这些任务。这个选择有什么指导原则吗？
浏览 57提问于2016-12-31得票数 10
回答已采纳
我建立了一个基于图像的CNN模型--一级分类。输出张量是一个包含65个元素的列表。对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
我想要为二进制分类创建一个深度学习模型(CNN)，我能用softmax函数代替sigmoid函数进行二进制分类吗？将分类层添加到模型中，如下所示
model.add(Dense(2, activation='softmax'))
浏览 0提问于2019-02-08得票数 4
回答已采纳
我已经建立了一个模型来训练分类图像是否是某个视频游戏。我将图像pre-scaled到250x250像素中，并将它们分到两个文件夹(两个二进制类)中，分别标记为0和1。50, activation="relu")) model.add(GlobalAveragePooling2D())
model.add(Dense(1, activation="softmax
浏览 0提问于2018-11-15得票数 1
1回答
我使用的是tensorflow 1.5和keras 2.1.6。代码取自此tutorial，并重新编写以在1.5版上工作。
浏览 24提问于2021-06-23得票数 0
回答已采纳
inputs], outputs=[outputs])
注意，我正在对10个类进行多类预测我的问题是，我不小心忘记了将激活函数从sigmoid更改为softmax，并运行了网络。电视网还在运行。这怎麽可能？?是因为它是独立处理每个二进制掩码的吗？更有趣的是，与我使用sigmoid运行时相比，网络实际上在使用softmax时产生了更好的结果
浏览 0提问于2018-12-30得票数 1
回答已采纳
1回答
使用Keras和Tensorflow在我自己的数据集上从头开始训练卷积神经网络。learning rate = 0.0001，5个要排序的类，未使用Dropout，检查了两次数据集，未发现错误标签 型号： model = models.Sequential()
model.add(
浏览 258提问于2019-03-16得票数 6
1回答
我目前感兴趣的是在执行BackPropagation分类算法时使用交叉熵误差，其中我在输出层中使用了Softmax激活函数。据我所知，你可以去掉导数，用交叉熵和Softmax看上去像这样：这与以下方面的均方误差不同：所以，只有当输出层使用<em
浏览 9提问于2014-11-23得票数 2
回答已采纳
我使用Bi分类器进行多标签文本分类，这意味着11个类的数据集中有超过一个标签的实例。当我使用乙状结肠激活函数和"binary_crossentropy“损失函数时，比使用"categorical_crossentropy”损失函数的"softmax“激活函数具有更高的精度。为什么？
浏览 0提问于2022-02-14得票数 0
5回答
我知道，对于多个类的问题，我们通常使用softmax，但我们也可以使用sigmoid吗？我尝试在输出层用sigmoid实现数字分类，它可以工作。我不明白的是它是怎么工作的？
浏览 0提问于2018-10-06得票数 12
1回答
我正在使用Spark多层感知器进行二进制分类。labelCol="evt", featuresCol="features", layers=[inputneurons,(inputneurons*2)+1,2])
输出层有两个神经元，因为它是一个二进制分类问题
浏览 1提问于2016-10-18得票数 3
1回答
令人惊讶的是，我确保权值和偏差被初始化为非零(使用tf.ones)，这没有帮助。 pred = tf.matmul(h2, w3) + b3
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits
浏览 2提问于2017-02-11得票数 1
回答已采纳
2回答
有没有一个隐藏的原因，为什么没有人使用NN来产生更高的值整数？我的情况是，我想要NN来预测确切的结果值，而不是a -1。使用同样的例子，如果我使用第一轮错误值从第一次进化中得到(接近)最佳的权重，我是否在第二轮的下一代中添加了父母的权重？我如何确保前几轮中最好的染色体不会在那一代人之后死亡。
浏览 0提问于2017-11-17得票数 2
在ML算法中，采用Softmax +交叉熵损失进行多类分类，如softmax回归和最后一层神经网络。我想知道这种方法是否能将任何二进制分类算法转化为多类算法？例如,
如果我使用多项式函数进行二值分类，判定步骤是“如果多项式的输出大于0时预测为正，否则预测为负”，那么我可以使用这类多项式\dagger的k个来进行k类分类，每个多项式f_i(X)都有自己的一组待学习的参数如果f(X)是
浏览 0提问于2019-07-30得票数 5
我正在使用LSTM进行二进制分类，最初尝试了一个在输出(密集)层具有1个单元的模型，并将sigmoid作为激活函数。然而，它的表现并不好，我看到一些笔记本在输出层(紧跟在LSTM之后的那一层)中使用了2个单元，并使用softmax作为激活函数。使用2个输出层并使用softmax而不是单个单元和sigmoid(用于二进制分类)有什么优势吗？我使用binary_cro
浏览 45提问于2021-10-16得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
