Tensorflow 如果你有分类任务，你总是需要一个热编码吗
我在深度学习方面是个新手，遇到了MNIST数据集问题Tensorflow 如果你有分类任务，你总是需要一个热编码吗,tensorflow,neural-network,classification,mnist,one-hot-encoding,Tensorflow,Neural Network,Classification,Mnist,One Hot Encoding,我在深度学习方面是个新手，遇到了MNIST数据集问题 因此，我的问题是，当你有一个分类任务时，你是否应该在将其输入神经网络之前进行一次热编码？不，根据你在编译模型时选择的损失，你有很多选择。典型的情况是，如果标签上有一个热编码，则将model.compile中的损失设置为categorical_cross_entropy。但是，您可以将标签编码为整数，并在丢失函数时使用稀疏的交叉熵。如果您有分类任务，是否总是需要一个热编码？不，检查一下
因此，我的问题是，当你有一个分类任务时，你是否应该在将其输入神经网络之前进行一次热编码？不，根据你在编译模型时选择的损失，你有很多选择。典型的情况是，如果标签上有一个热编码，则将model.compile中的损失设置为categorical_cross_entropy。但是，您可以将标签编码为整数，并在丢失函数时使用稀疏的交叉熵。如果您有分类任务，是否总是需要一个热编码？不，检查一下