Tensorflow 创建一个张量，其中每个输入可以有多个答案

我有一个问题，输入X可以有多个正确答案

X1 -> Y1
X1 -> Y2
X1 -> Y3
X2 -> Y2
X2 -> Y4
X3 -> Y1

这里X1具有（Y1，Y2，Y3）作为标签，X2具有（Y2，Y4）作为标签

如果我们创建一个MLP来预测

# tf Graph input                                                                                                    
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])

# Construct model                                                                                                   
pred = multilayer_perceptron(x, activation_fn, weights, biases, dbg)

# Define loss and optimizer                                                                                         
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))

这里，成本函数比较X向量和Y向量的模型预测

---

我正在检查模型是否能够预测任何输入的任何正确标签。给定X1，如果模型预测（Y1或Y2或Y3），我很好。我该如何解决这个问题呢？

我认为拥有多个标签，如

X1->Y1，X1->Y2

，可能会损害您的模型。如果任何正确的标签都可以，那么只需为输入功能使用一个标签：

X1->Y1

如果没有太多标签，也可以考虑将它们组合起来：

Z1: Y1, Y2, Y3 
Z2: Y2, Y4

然后，输入要素只能有一个标签：

X1-> Z1
X2-> Z2

---

我认为拥有多个标签，如

X1->Y1，X1->Y2

可能会损害您的型号。如果任何正确的标签都可以，那么只需为输入功能使用一个标签：

X1->Y1

如果没有太多标签，也可以考虑将它们组合起来：

Z1: Y1, Y2, Y3 
Z2: Y2, Y4

然后，输入要素只能有一个标签：

X1-> Z1
X2-> Z2

---

计算所有成本（Y vs Y1和Y vs Y2等），然后取最小成本计算所有成本（Y vs Y1和Y vs Y2等），然后取最小成本我理解多个标签可能会损害模型。我想试试。我可以在图书馆做这件事。虽然组合是可能的，但我的数据中有太多的组合。请注意，组合比它们中的任何一个都要严格。我希望X1的标签是Y1或Y2或Y3。Z1是stricter@trialcritic听起来不错。你也可以尝试所有的想法，看看哪一个是最好的。请告诉我结果。@Sung_Kim我尽了最大的努力，但没有成功。有什么建议吗？如果我有一个提要dict张量，我不能更新张量的每一行。我知道多个标签可能会损害模型。我想试试。我可以在图书馆做这件事。虽然组合是可能的，但我的数据中有太多的组合。请注意，组合比它们中的任何一个都要严格。我希望X1的标签是Y1或Y2或Y3。Z1是stricter@trialcritic听起来不错。你也可以尝试所有的想法，看看哪一个是最好的。请告诉我结果。@Sung_Kim我尽了最大的努力，但没有成功。有什么建议吗？如果我有一个提要dict张量，我就不能更新张量的每一行。