分类任务的张量流输出层配置

Question

我正在尝试用

google colab

和

tensorflow

来教我的第一个人工智能。

.predict

我不清楚工作方法。

---

我有以下

dataset

示例：

分类	输入1	输入2
1	0.1	0.22
1	0.333	0.4
4	0.55	0.6

预期课程为

1

或

4

。数据集包含每个的 50%。

我的代码是：

1. 切片数据：

  features = df.iloc[1:, 1:]
  labels =  df.iloc[1:, 0]

2. 构建模型：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(256, activation='tanh', input_shape=(82,)),
    tf.keras.layers.Dense(2, input_shape=(256,), activation='tanh'),
    tf.keras.layers.Dense(1, activation='softmax')
])

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

3. 火车型号：

model.fit(x=features, y=labels, shuffle=True, epochs=1)

结果

.predict

方法的结果始终是

[[1.]]

。

但我认为应该是这样的：

[1: 0.4][2: 0.88]

其中：

1 and 4

是

classifications

和

0.4 and 0.88

是

probability

Answer 1

您的配置有两个问题：

1. tf.keras.layers.Dense(1, activation='softmax')

   ，将其更改为

   tf.keras.layers.Dense(2, activation='softmax')

2. 由于您的标签采用整数格式，因此您需要将损失函数更改为

   model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

此外，你的数据集的格式化方式以及通过 softmax 的方式，你永远不会得到像你所描述的那样的输出：

但我认为应该是这样的：[1: 0.4][2: 0.88]

在您的上下文中，概率总和始终为

1

。