Python Keras使用真实值作为训练目标的LSTM分类器的官方示例？

根据Keras文档中的官方示例，堆叠LSTM分类器使用

分类交叉熵

作为损失函数进行训练，如预期的那样

但是

y\u序列

值是使用输出实数的

numpy.random.random（）

进行种子设定的，而

0,1

二进制分类（这是典型的）

发动机罩下的

y\u列

值是否提升为

0,1

值

您甚至可以针对

0,1

之间的实际值训练此损失函数吗

那么如何计算

准确度

令人困惑的。。没有

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

data_dim = 16
timesteps = 8
num_classes = 10

# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
               input_shape=(timesteps, data_dim)))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32))  # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# Generate dummy training data
x_train = np.random.random((1000, timesteps, data_dim))
y_train = np.random.random((1000, num_classes))

# Generate dummy validation data
x_val = np.random.random((100, timesteps, data_dim))
y_val = np.random.random((100, num_classes))

model.fit(x_train, y_train,
          batch_size=64, epochs=5,
          validation_data=(x_val, y_val))

---

对于这个例子，y_序列和y_测试不再是一个热门编码，而是每个类的概率。所以它仍然适用于交叉熵。我们可以把一个热编码作为概率向量的特例

y_train[0]
array([0.30172708, 0.69581121, 0.23264601, 0.87881279, 0.46294832,
       0.5876406 , 0.16881395, 0.38856604, 0.00193709, 0.80681196])

---

这里有一个简短的介绍