如何在Keras中为每个输出应用S型函数？

Question

这是我的代码的一部分。

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

使用此代码，它将立即将softmax应用于所有输出。 因此，输出表明了所有可能性。 但是，我正在研究非排他性classifire，这意味着我希望输出具有独立的概率。 抱歉，我的英语不好。但是我想要做的是对每个输出应用S形函数，以便它们具有独立的概率。

Answer 1

无需创建3个单独的输出（如已接受的答案所建议）。

只需一行就可以达到相同的结果：

model.add(Dense(3, input_shape=(4,), activation='sigmoid'))

---

您可以在最后一层使用'sigmoid'激活：

from tensorflow.keras.layers import GRU
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation
import numpy as np

from tensorflow.keras.optimizers import Adam

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

pred = model.predict(np.random.rand(5, 4))
print(pred)

输出独立概率：

[[0.58463055 0.53531045 0.51800555]
 [0.56402034 0.51676977 0.506389  ]
 [0.665879   0.58982867 0.5555959 ]
 [0.66690147 0.57951677 0.5439698 ]
 [0.56204814 0.54893976 0.5488999 ]]

---

如您所见，类的概率彼此独立。 乙状结肠分别应用于每个类别。

Answer 2

您可以尝试使用Functional API创建具有n个输出的模型，其中每个输出都通过sigmoid激活。

你可以这样

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])