如何在Keras中使用分类铰链？

也许这是一个非常愚蠢的问题，但我找不到一个在Keras中如何使用范畴铰链的例子。我做分类，我的目标是

shape（，1）

和值[-1,0,1]，所以我有3个类别。使用功能API，我将输出层设置为：

输出=密集（1，name='output'，activation='tanh'， 内核初始化器='lecun'u normal'）（输出1）

然后我申请：

compile（优化器=adam，loss={'output'：'categorical_铰链'}， 指标=[‘准确度’]）

结果表明，模型正在收敛，但精度趋于0。我做错了什么

使用：

model.compile(optimizer=adam, loss="categorical_hinge", metrics=['accuracy'])

---

虽然

[-1,0,1]

是tanh激活函数的有效目标范围，但经验表明，Keras模型在二进制输出中不能很好地用于分类。考虑使用31个热向量与SULTTMAX分类器代替。如果我的解释正确的话，分类铰链是用来处理一个热向量的

因此：将标签转换为one hots，并将输出更改为以下内容：

output = Dense(3, name='output', activation='softmax', kernel_initializer='lecun_normal')(output1)

---

你想用一些解释来补充你的代码吗？问题是为什么准确率在降低而不是增加。代码运行时没有错误。答案是正确的，唯一的错误是[-1，0，1]不是二进制输出。其余的都是正确的。您需要在Keras中添加activation='softmax'吗？从数学上讲，铰链损耗适用于距离，该距离不必介于（0和1）之间。而交叉熵损失适用于概率，因此在使用损失函数之前需要softamx。