二进制和多类分类代码更改答案

【问题标题】：Binary and multi-class classification code change二进制和多类分类代码更改
【发布时间】：2019-09-20 00:53:12
【问题描述】：

我使用的代码与我在这里找到的几乎相似...

https://towardsdatascience.com/classify-butterfly-images-with-deep-learning-in-keras-b3101fe0f98

该示例与二进制分类有关。我正在测试的数据要求进行多类分类。我想我需要改变激活和损失函数。如果我有 2 种以上的类型，我可以使用此处找到的相同代码吗？

https://github.com/bertcarremans/Vlindervinder/blob/master/model/CNN.ipynb

更新：我还有一个问题。如果我有足够的数据，是否需要扩充？

【问题讨论】：

标签： tensorflow machine-learning keras multiclass-classification

【解决方案1】：

只需将binary_crossentropy 更改为categorical_crossentropy：

cnn.compile(loss='categorical_crossentropy',
            optimizer='rmsprop',
            metrics=['accuracy'])

如果您的标签不是一次性编码的，请修改以下行：

train_generator = train_datagen.flow_from_directory(
    'data/train',
    target_size=(IMG_SIZE,IMG_SIZE),
    batch_size = BATCH_SIZE,
    class_mode='categorical')

validation_generator = validation_datagen.flow_from_directory(
    'data/validation',
    target_size=(IMG_SIZE,IMG_SIZE),
    batch_size = BATCH_SIZE,
    class_mode='categorical')

【讨论】：

遇到github.com/shantanuo/pandas_examples/blob/master/tensorflow/…的错误
#ValueError: 检查目标时出错：预期activation_4 的形状为(1,) 但得到的数组的形状为(4,)
将输出层从cnn.add(Dense(1))更改为cnn.add(Dense(4))

【解决方案2】：

不，那是多标签分类。你说的多类。以下是给您的摘要：

二进制：单个输出为 0 或 1。您在最后一层使用 Dense(1, activation='sigmoid') 之类的东西，并将 binary_cross_entropy 作为损失函数。
多标签：您有多个 0 或 1 的输出； Dense(num_labels, activation='sigmoid') 和binary_cross_entropy。在这种情况下，一个示例可以同时属于多个标签。
多类：示例属于N 个类中的1 个，它们是互斥的。您将Dense(num_classes, activation='softmax') 与softmax_crossentropy 一起使用。

【讨论】：