TensorFlow Keras多重分类，需要准备哪些数据集？

例如，如果我想训练一个模型来分类“狗”、“猫”和“既不是狗也不是猫”。 我是否需要为“既不是狗也不是猫”准备数据集？ 有没有办法只使用“狗”和“猫”数据集来实现这一点？

是的，您应该拥有所有3个数据集。 从理论上讲，你可以只使用2来训练，如果两个逻辑都很低，你就可以声称这两个逻辑都不是。但是，您至少需要“两者都不”的DS来验证您的模型是否有效。

---

此外，如果使用3组训练，训练将更加稳健，速度更快。

你可以尝试使用2个输出神经元，如狗和猫，当使用狗图片训练时，你将预期输出设置为10，猫设置为01，但如果给一张既没有猫也没有狗或将输出00的图片，这似乎不太可能

---

这是一个很好的工作机会，我目前正在使用MNIST Fashion数据集做作业，输出是10个类，我一直使用ReLu（意味着输出是0到无穷大，而不是0到1），当选择了类7时，通常输出层是[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]，这意味着，如果我输入一些任意的输入，输出很可能接近于0。您的问题是，输出很可能是非零的，并且您必须在不太可能是狗或猫的情况下确定某个截止点。

是的，建议标记的数据具有“其他”类型，并添加一个额外的输出神经元以推断

其他

类型

让我们从“狗”或“猫”的二进制分类器开始

大多数情况下，

softmax

激活用于输出层

它将结果规范化为两个类之一

帮助用户轻松决定选择

现在让我们为“其他”添加第三个神经元，我们需要一些数据来正确激活“其他”

或者

使用带有两个神经元的乙状结肠

调整预测阈值，以便如果

狗

和

猫

都低于其阈值，则发出

两种

尽管这种替代方法可行，但可能不建议使用这种方法，因为模型范围之外的自定义逻辑推断出附加类（模型不知道）

---

将来，如果有人添加，比如说

horse

（以及

dog

和

cat

），则需要修改代码。从长远来看，这似乎是一个不必要的复杂性。

感谢您的及时建议。我如何知道在多类分类中“logits较低”，因为softmax激活函数将带来1个和输出？刚刚学习的sigmoid可用于多个神经元。谢谢你的回答@Asagao，谢谢你。我们可以将输出层中的乙状结肠视为自变量（不关心输出层中其他神经元的状态）。通常不建议进行分类，因为它增加了开发人员在

单标签

（多类）情况下管理阈值的责任。通常，从长远来看，softmax可能有助于实现单标签。如果您使用的是

多标签

，那么sigmoid可能是比

softmax

更好的选择。免责声明：我是这个领域的初学者。@Asagao，为了更清楚地了解您的陈述并澄清任何误解<代码>刚学会的乙状结肠可以用于多个神经元：乙状结肠只能用于单个神经元。只是我们的输出中有多个神经元，每个神经元都有一个乙状激活。每个乙状结肠激活的输出神经元独立于其他神经元。他们甚至不知道其他人的存在。其中，'softmax'必须了解所有神经元，以规范化概率分布（0..1）下的所有可能输出。非常感谢您的进一步澄清，理解“只是我们有多个神经元在输出，每个神经元都有乙状结肠激活”。太好了。祝你有美好的一天