Machine learning 使用softmax进行多标签分类（根据Facebook论文）
我在Facebook的一些研究人员那里发现，在训练期间使用softmax和CE损失函数比使用sigmoid+BCE能提高成绩。他们通过改变一个热标签向量来实现这一点，使得每个“1”被给定图像的标签数除以（例如从[0,1,1,0]到[0,0.5,0.5,0]） 但是，他们没有提到如何在推理阶段使用该方法，因为选择正确标签所需的阈值不清楚 有人知道这是如何工作的吗？这不是一个编程问题，因此可以说是离题了；请参阅机器学习中的介绍和说明。Machine learning 使用softmax进行多标签分类（根据Facebook论文）,machine-learning,conv-neural-network,loss-function,multilabel-classification,Machine Learning,Conv Neural Network,Loss Function,Multilabel Classification,我在Facebook的一些研究人员那里发现，在训练期间使用softmax和CE损失函数比使用sigmoid+BCE能提高成绩。他们通过改变一个热标签向量来实现这一点，使得每个“1”被给定图像的标签数除以（例如从[0,1,1,0]到[0,0.5,0.5,0]） 但是，他们没有提到如何在推理阶段使用该方法，因为选择正确标签所需的阈值不清楚 有人知道这是如何工作的吗？这不是一个编程问题，因此可以说是离题了；请参阅机器学习中的介绍和说明。