Python keras中的多类多维标签分类

如果我有一个二进制分类任务，神经网络的最后一层应该是：

output= tensorflow.keras.layers.Dense(1,activation='sigmoid')(x)
model.compile(loss='binary_crossentropy')

如果分类问题是多类的，标签是标量的，并且是k个离散值中的一个，我通常将标量标签编码成k维的一维热表示并修改

output= tensorflow.keras.layers.Dense(k,activation='softmax')(x)
model.compile(loss='categorical_crossentropy')

如果我有一个具有多个k个二进制目标的二进制分类任务，我将修改为：

output= tensorflow.keras.layers.Dense(k,activation='sigmoid')(x)
model.compile(loss='binary_crossentropy')

然而，当我有多个输出和每个输出有多个类别时，我仍然无法确定什么是正确的网络设计。

---

e、 g.[0,1]，[7,2]，…]

您是指多个输出和每个输出的多个类别？是的。你能帮忙吗？你需要的和这有什么不同吗？