Machine learning 正确的掷骰子方法是什么？乙状结肠还是softmax？
我有一个二元语义切分问题，在我的脑海里有两种方法 方法1： Unet输出一个带有sigmoid激活的类，然后我使用骰子损失来计算损失 方法2： 基本真理被连接到它是相反的，因此有2个类。Unet的输出为2个类，并对其应用softmax激活。然后使用骰子损失来计算损失Machine learning 正确的掷骰子方法是什么？乙状结肠还是softmax？,machine-learning,keras,deep-learning,image-segmentation,Machine Learning,Keras,Deep Learning,Image Segmentation,我有一个二元语义切分问题，在我的脑海里有两种方法 方法1： Unet输出一个带有sigmoid激活的类，然后我使用骰子损失来计算损失 方法2： 基本真理被连接到它是相反的，因此有2个类。Unet的输出为2个类，并对其应用softmax激活。然后使用骰子损失来计算损失 哪个是正确的？方法2是正确的，因为softmax用于多类问题。此问题已得到回答。如果存在2类问题，仅输出1个通道，请使用sigmoid函数（输出值介于0和1之间）。然后，您可以使用输出（连续值）和目标（单通道热编码、离散值）计算骰子
哪个是正确的？方法2是正确的，因为softmax用于多类问题。此问题已得到回答。如果存在2类问题，仅输出1个通道，请使用sigmoid函数（输出值介于0和1之间）。然后，您可以使用输出（连续值）和目标（单通道热编码、离散值）计算骰子损失。如果您的网络输出2个通道，请使用softmax功能，并使用输出（连续值）和目标（2通道1热编码）计算您的损耗。前者是首选，因为您将拥有较少的参数 这是一个编程问题吗？