【发布时间】:2020-09-17 12:20:05
【问题描述】:
问题背景
我有一个基本的分类问题,将每一行分为 20 个类别之一。
但是,有一个转折点。对于每一行,这 20 个类中只有一些是有效的 - 这是预先知道的。
在 tensorflow 1.0 中,我一直在取消不可能类的 logits。唯一的修改是损失函数:
def getLoss(logits, y, restrictions):
logits = tf.where(restrictions, -1000.0 * tf.ones_like(y), logits)
return tf.nn.softmax_cross_entropy_with_logits_v2(logits=logits, labels=y)
loss = getLoss(logits, y, restrictions)
trainer = tf.train.RMSPropOptimizer(learnRate).minimize(loss)
问题
我有一个适用于 Tensorflow 1.0 的解决方案,它是对损失函数的简单修改。但是,我想在 Tensorflow 2.0 和 Keras 中重写它。
我假设我需要将类限制矩阵与输入一起传递给model.fit()。我该怎么做呢?
次优解决思路
一个简单的解决方案(也是 Frederik 提出的)是将输入和类限制矩阵连接起来,让神经网络从头开始学习类限制的概念。
但是,这并不可靠,并且会使神经网络不必要地变大。 Keras 有没有更好、更简单的方法?
【问题讨论】:
-
你能扩展那个“类限制”吗?
-
@RokKralj 如果范围是在 TF2 中重写...有没有办法在 TF1 中对代码进行演示实现?
-
添加了 TF1 代码示例。
标签: python tensorflow keras tensorflow2.0 tf.keras