具有張量流的單輸出神經網絡

Question

我想制作一個在最后一層具有一個輸出神經元的神經網絡，告訴我圖像上有汽車的概率（該概率從0到1）。

我習慣於使用tf.nn.softmax_cross_entropy_with_logits（）和tf.nn.softmax（）方法來創建具有多個輸出神經元的分類問題的神經網絡。 但是，當標簽矩陣中每個樣本只有一列時，這些方法將不起作用，因為softmax（）方法將始終返回1。

我嘗試用tf.nn.sigmoid（）和tf.nn.softmax_cross_entropy_with_logits（）替換tf.nn.softmax（）和tf.nn.sigmoid_cross_entropy_with_logits（），但這給了我一些奇怪的結果，我可能在做錯了什么實施。

如何在只有一個輸出神經元的神經網絡上定義損失和預測？

Answer 1

只需使用S形層作為最后一層即可。 當您有單個輸出時，不需要任何交叉熵，因此只需讓損耗函數作用於S型輸出即可，該輸出限於所需的輸出范圍。