[英]Tensorflow multi class classification loss
我最近一直在尝试基于此示例实现多类分类LSTM体系结构: biLSTM示例
我改变之后
self.label = tf.placeholder(tf.int32, [None])
至
self.label = tf.placeholder(tf.int32, [None,self.n_class)
该模型似乎可以正常训练,但是我在执行此步骤时遇到了麻烦:
self.loss = tf.reduce_mean(
tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y_hat, labels=self.label))
# prediction
self.prediction = tf.argmax(tf.nn.softmax(y_hat), 1)
即使模型正常学习,预测对于多个变量似乎也不起作用。 我想知道如何编码self.prediction对象,以便它为各个实例发出预测的向量?
非常感谢你。
我想知道如何编码self.prediction对象,以便它为各个实例发出预测的向量?
通常, tf.nn.softmax
返回一个概率向量。 您只是看不到它们,因为您使用的是tf.argmax
,它返回tf.argmax
的索引。 因此,您只会得到一个号码。 只需删除tf.argmax,就可以了。
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.