如何在 Keras 中将二进制分类的 DataGenerator() 函数修改为多标签分类？

Question

我已经有一个可以进行二进制分类的网络。现在我想将其扩展到多标签分类网络。我已经修改了模型（使用'sigmoid'作为输出层激活函数并使用'binary_crossentropy'损失）。但是，我想知道如何修改 DataGenerator 函数以使其可以提供多标签输出？

比如原来的DataGenerator函数是：

    def __data_generation(self, list_IDs_temp):
        'Generates data containing batch_size samples'
        # Initialization
        X = np.empty((self.batch_size, *self.dim, self.n_channels))
        y = np.empty((self.batch_size), dtype=int)

        # Generate data
        for i, ID in enumerate(list_IDs_temp):
            # Store sample
            X[i, ] = np.load(train_dir + ID)

            # Store class
            y[i] = self.labels[ID]

        return X, to_categorical(y, num_classes=self.n_classes)

对于二元分类，labels[ID] 是一个整数。现在，如果我想做多标签分类，标签[ID] 是一个类似 [0 1 0 0 1 0] 的序列（假设我有 6 个标签）。我想知道如何通过 DataGnerator() 函数传递这个序列？

非常感谢！

Answer 1

您只需将最后一层的激活更改为 softmax 以进行多类分类，并将损失更改为 categorical_crossentropy。不过，数据生成器对我来说看起来不错。只有标签本身会改变，而不是只有 1 和 0 你会有比这更多的标签，to_categorical 函数会将它们转换为一个热编码输出。 对于多标签分类，如果 y 有多个标签，例如[1, 3]，那么您需要在生成器中添加一件事 return X, to_categorical(y, num_classes=self.n_classes).sum(axis=1)