Python 具有数据集和附加预定义约束的Tensorflow模型训练

我试图理解如何创建一个tensorflow模型，它不是一个分类，而是一次执行多项目分类

例如，我希望我的tensorflow模型根据某些天气条件返回一套衣服。输出应包括一套不会重复其类型的衣服（当出现明显问题时，如何纠正模型-当其他布料类型较轻时，不应选择冬季夹克）：

到目前为止，我只能对单一类型的服装进行分类，即： 夏季帽子-95% 冬季帽子-5%

---

总结一下我的问题：是否可以使用tensorflow创建这样的模型，该模型可以输出一组可能的服装变化，而无需重复的布料类型，如果可以，如何训练该模型？

您尝试的是什么

基本多标签分类 模型 基本上，您的最后一层应该输出

N

值，其中

N

是您拥有的衣服数量。示例模型在

tf2.0

中可能如下所示：

import tensorflow as tf

WEATHER_CONDITIONS = 15  # Based on 15 weather conditions
CLOTHES = 25  # Predict 25 possible clothes

model = tf.keras.models.Sequential(
    [
        tf.keras.layers.Dense(64, input_shape=(WEATHER_CONDITIONS,)),
        tf.keras.layers.Dense(128, activation="relu"),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(256, activation="relu"),
        tf.keras.layers.Dense(CLOTHES),
    ]
)

目标 您的目标应该是二进制向量，其中每个位置对应于衣服的某个预定义部分，例如，

[0,1,0,1,0,1]

对应的

[帽子、衬衫、夹克、凉鞋、普通裤子、轻裤子]

意味着

衬衫

，

凉鞋

和

轻裤子

已被预测

损失函数 鉴于上述情况，您应该使用with

from_logits=True

或作为损失函数，以便每个向量值都在

[0,1]

范围内（最好是第一个）

纠正明显的问题 最简单的方法是将目标分成多个组

例如：

[summer hat, light shirt, light pants, sandals, light shoes]

[winter hat, shirt, pants, boots, shoes]

现在，您的模型应该输出两个目标：

0

或

1

（无论是

轻的

还是

重的

衣服）和具有与特定项目对应的

5

元素的二进制向量。这将需要两次损失，并根据预测值选择特定组

如果选择了错误的组，您可以指定最大惩罚，并编写自己的自定义损失函数。您可以在StackOverflow上查看如何执行此操作或其他操作

[summer hat, light shirt, light pants, sandals, light shoes]

[winter hat, shirt, pants, boots, shoes]