Tensorflow中的多标签多类分类器

Question

我想用TensorFlow制作一个多标签的多类分类器。 例如，

• 标签：A，B，C，D，E，F

数据有多个标签

• data1标签：[0,1,1,0,0]
• data2标签：[1,0,0,0,0]
• data3标签：[0,1,0,0,0]

我想用神经网络对这些标签进行分类。 我可以使用以下代码作为费用吗？

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(data1 prediction, data1 label))

Answer 1

不，您不能使用您为损失函数提供的代码，因为tf.nn.softmax_cross_entropy_with_logits需要label参数的有效概率分布。

如果每个示例都属于多个类（即类是独立的而不是互斥的），则建议选择tf.nn.sigmoid_cross_entropy_with_logits。

更新：回答您的评论

当我谈到有效的概率分布时，我的意思是每个＆＃34;标签数组的元素＆＃34;必须加1，所有元素都必须是非负的。例如， data1 label 不是有效的概率分布，因为其元素之和为2。

你的问题显然是二元分类，因为类不是互斥的，你想为每个类产生独立的概率（即属于该类的概率）。