Tensorflow 多类单标签分类的Keras二元交叉熵与分类交叉熵
我一直在使用二进制交叉熵,但最近发现使用链式交叉熵可能更好 对于我正在解决的问题,以下是正确的:Tensorflow 多类单标签分类的Keras二元交叉熵与分类交叉熵,tensorflow,neural-network,keras,classification,Tensorflow,Neural Network,Keras,Classification,我一直在使用二进制交叉熵,但最近发现使用链式交叉熵可能更好 对于我正在解决的问题,以下是正确的: 有10个可能的类 给定的输入仅映射到1个标签 我用二进制交叉熵获得了更高的精确度。我应该切换到分类交叉熵吗? 目前,我正在使用标准精度(metrics=['accurity'])和一个sigmoid激活层作为最后一层我可以保持这些不变吗?如果我理解正确,您有一个多类问题,并且您的类是相互排斥的。您应该使用categorical\u crossentropy并将输出激活函数更改为softmax 二进制
目前,我正在使用标准精度(metrics=['accurity'])和一个sigmoid激活层作为最后一层我可以保持这些不变吗?如果我理解正确,您有一个多类问题,并且您的类是相互排斥的。您应该使用
categorical\u crossentropy
并将输出激活函数更改为softmax
二进制交叉熵
,顾名思义,只能用作2类问题的损失函数。如何用二进制交叉熵解决10类问题?当切换到分类交叉熵时,是否保持乙状结肠激活?