如何在Keras中实现多类多标签分类

假设我有一组输入输出，如下所示：

input1  : [0 1 1 1 0 ... 1]
output1 : [1 2 2 3 ... 3 3 1 2 2]
...

输入总是0或1，输出总是1或2或3

我如何在keras中创建一个能够适应这些输入输出的神经网络

checkpoint_path = 'p-multilable.h5' 
checkpoint = keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, mode='max', monitor='acc', verbose=0, save_best_only=True)
model = keras.models.Sequential([
        keras.layers.Dense(1000,activation='relu', input_shape=X_train.shape[1:]),
        keras.layers.Dense(300,),
        keras.layers.Dense(300,),
        keras.layers.Dense(53)]) 


model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
model.fit(X_train, y_train, batch_size=100, epochs=1000, validation_data=(x_val, y_val), callbacks=[checkpoint])

我尝试将输出标准化为0.5 1，但没有效果

我尝试了各种损失函数

我试着定义自定义损失函数

我尝试了许多网络架构

在大多数情况下，其acc约为0.09

---

理论上，它只不过是二进制集，应该不难，但我找不到合适的方法

对于您的最后一个分类层，您应该给它一个

softmax

激活。此激活用于分类。它可能需要您对输出进行一次热编码。

对于您的最后一个分类层，您应该给它一个

softmax

激活。此激活用于分类。但这可能需要您对输出进行一次热编码。

回答我自己的问题： 似乎有两种方法可以克服这个问题：

1-丑陋的方法：

对每个数字使用两个输出，因此1将变为01，2将变为10，3将变为11，对于00，您可以将其用于上述任何一项，甚至可以计算精度

2-不那么难看的方法：

对每个输出使用三个一个热编码，使1变为001，2变为010，3变为100

您也可以使用2D[x][3]输入，以便获得2D输出[y][3]，但似乎没有必要回答我自己的问题： 似乎有两种方法可以克服这个问题：

1-丑陋的方法：

对每个数字使用两个输出，因此1将变为01，2将变为10，3将变为11，对于00，您可以将其用于上述任何一项，甚至可以计算精度

2-不那么难看的方法：

对每个输出使用三个一个热编码，使1变为001，2变为010，3变为100

---

您也可以使用2D[x][3]输入，以便获得2D输出[y][3]，但似乎没有必要

softmax激活是否可以处理多标签分类？多标签是什么意思？根据多标签中的示例，给定输入有多个非零输出。它与一个热编码器相反。softmax激活可以处理多标签分类吗？你说的多标签是什么意思？根据多标签中的示例，给定输入有多个非零输出。这是一个热编码的反面