![](/img/trans.png)
[英]How to apply a function to each element in a list, then make a list of the outputs?
[英]How to apply sigmoid function for each outputs in Keras?
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。
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。
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])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.