如何使用Tensorflow.JS实现softmax

Question

使用Tensorflow.JS，我正在尝试使用softmax激活函数在最后一个密集层上运行机器学习模型。当我尝试运行它时，我收到：

检查目标时出错：预期densed_Dense2具有形状[，1]，但得到形状为[3,2]的数组。

如果注释掉fit函数并运行它，我将得到一个1x2数组（这是预期的，因为我在最后一层有2个单元，而我只参加了一个测试。

此外，当我将y变量更改为该数组：[[1,2,3]]时，它会进行训练（但我不认为这是正确的，因为ys不是最后一层的正确形状（2 ）。

为了填补我的知识空白，我们将不胜感激。

var tf = require('@tensorflow/tfjs');

let xs = tf.tensor([
  [1,2],
  [2,1],
  [0,0]
]);

let ys = tf.tensor([
  [1,2],
  [2,1],
  [1,1]
]);

async function createModel () {


  const model = tf.sequential();
  model.add(tf.layers.dense({inputShape: [2], units: 32, activation: "relu"}));
  model.add(tf.layers.dense({units: 2}));
  model.compile({loss: "sparseCategoricalCrossentropy",optimizer:"adam"});

  //await model.fit(xs, ys, {epochs:1000});

  model.predict(tf.tensor([[1,2]])).print();
}

createModel();

Answer 1

这是最后一层的softmax激活：

  const model = tf.sequential();
  model.add(tf.layers.dense({inputShape: [2], units: 32, activation: "relu"}));
  model.add(tf.layers.dense({units: 2, activation:'softmax'}));
  model.compile({loss: "sparseCategoricalCrossentropy",optimizer:"adam"});

  model.predict(tf.tensor([[1,2]])).print();

对于错误：

检查目标时出错：预期densed_Dense2具有形状[，1]，但得到形状为[3,2]的数组。

您可以考虑给出的答案here

您的错误与损失函数sparseCategoricalCrossentropy有关，该函数期望将标签标记为tensor1d。如果将此损失功能更改为categoricalCrossentropy，它将起作用。两种损失的作用相同，只是标签的编码方式不同。但是正如问题所在，标签既没有为categoricalCrossentropy也没有为sparseCategoricalCrossentropy编码。

• 使用sparseCategoricalCrossentropy时，标签是一维张量，其中值是类别的索引
• 使用categoricalCrossentropy时，标签是二维张量，也称为一热编码