我在使用 cnn 對超過 10000 個 class 進行分類時遇到問題。 我該如何解決？

Question

這是我的 model 使用 conv1d

the model have a 5000 class so, how can i create layers using tensorflow or keras if i increase epochs my system getting loaded and hanged. 在這里我應用了亞當優化器和 mean_square_error 損失 function 所以我得到了非常低的精度。 我該如何修復它''' epochs = 3 batch_size = 35

model = Sequential()
print(x_train.shape[1],1)
                                
model.add(Conv1D(16, 3, padding='same', activation='relu', input_shape=(128,1)))#x.shape[1:])) # Input shape: (96, 96, 1)
model.add(MaxPooling1D(pool_size=1))
                              
model.add(Conv1D(32, 3, padding='same', activation='relu'))
model.add(MaxPooling1D(pool_size=1))
model.add(Dropout(0.25))                            
model.add(Conv1D(64, 3, padding='same', activation='relu'))
model.add(MaxPooling1D(pool_size=1))                             
model.add(Conv1D(128, 3, padding='same', activation='relu'))
model.add(MaxPooling1D(pool_size=1))                             
model.add(Conv1D(256, 3, padding='same', activation='relu'))
model.add(MaxPooling1D(pool_size=1))                             
# Convert all values to 1D array
model.add(Flatten())                             
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(5823))


##checkpointer = ModelCheckpoint(filepath='checkpoint1.hdf5', verbose=1, save_best_only=True)

# Complie Model
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])
history=model.fit(x_train, y_train_binary,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test_binary))

'''

Answer 1

您必須使用類似softmax的 function 激活最后一層（muli 分類的最佳選擇）。 正如評論中所說，如果您的標簽是單熱編碼的（如果不使用sparse_categorical_crossentropy ），最好在您的情況下使用損失 function categorical_crossentropy 。