Keras损失：允许多个y_真值正确
我正在用LSTM层和完全连接层进行分类序列预测。我将当前输入与正确的输出相匹配，这是后面发生的序列中的一个元素 我想更灵活地对待被认为是正确的东西。我想考虑YyTrand周围的几个序列值也被认为是正确的。 例如，给定序列[a，b，c，d，e，f，g，h，i，…]如果我想提前预测5个元素，那么对于输入时间步0，我传入'a'并想预测'f'，'g'，或'h'。我希望这三个要素都被认为是正确的Keras损失：允许多个y_真值正确,keras,deep-learning,lstm,loss-function,Keras,Deep Learning,Lstm,Loss Function,我正在用LSTM层和完全连接层进行分类序列预测。我将当前输入与正确的输出相匹配，这是后面发生的序列中的一个元素 我想更灵活地对待被认为是正确的东西。我想考虑YyTrand周围的几个序列值也被认为是正确的。 例如，给定序列[a，b，c，d，e，f，g，h，i，…]如果我想提前预测5个元素，那么对于输入时间步0，我传入'a'并想预测'f'，'g'，或'h'。我希望这三个要素都被认为是正确的 如果需要，是否有办法在Keras或Tensorflow中实现这一点？多标签分类doh。。 使用二进制交叉熵作为
如果需要，是否有办法在Keras或Tensorflow中实现这一点？多标签分类doh。。 使用二进制交叉熵作为损失，并使用适当的y_标签向量，其中1表示正确的标签，否则0表示正确的标签