如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。

model = Sequential()model.add(Dense(3, input_shape=(4,), activation='softmax'))model.compile(Adam(lr=0.1),          loss='categorical_crossentropy',          metrics=['accuracy'])

使用这段代码,会一次性对所有输出应用Softmax函数。因此,输出表示的是所有类别的概率。然而,我正在处理非互斥分类器,这意味着我希望输出具有独立的概率。对不起,我的英语不好…但我想做的是对每个输出应用Sigmoid函数,以便它们具有独立的概率。


回答:

你可以尝试使用函数式API来创建一个具有n个输出的模型,其中每个输出都使用sigmoid激活函数。

你可以这样做

in = Input(shape=(4, ))dense_1 = Dense(units=4, activation='relu')(in)out_1 = Dense(units=1, activation='sigmoid')(dense_1)out_2 = Dense(units=1, activation='sigmoid')(dense_1)out_3 = Dense(units=1, activation='sigmoid')(dense_1)model = Model(inputs=[in], outputs=[out_1, out_2, out_3])

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

Pytorch DataLoader内存未释放

我想在Google Colab上使用PyTorch实现…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注