使用 TensorFlow 进行多标签分类答案

【问题标题】：Using Tensorflow for multi-label classification使用 TensorFlow 进行多标签分类
【发布时间】：2017-06-03 13:08:02
【问题描述】：

我有一个包含 5 个标签的多标签分类问题。如果我的输出层的形状为 [n_samples, n_labels=5] 并且损失函数为 tf.nn.sigmoid_cross_entropy_with_logits 是否正确？或者我应该有 [n_samples, n_labels=5, 2] 形状的输出层，其中 2 用于编码是否每个标签都分配给样本？

【问题讨论】：

你打算如何使用多标签分类器？多标签分类器与多类分类器有很大不同。 Tensorflow 也有 sigmoid_cross_entropy 函数，它通常用于多标签分类，然后你要么学习某种阈值，要么使用恒定阈值来选择实例的标签。
实际上我正在使用 tf.nn.sigmoid_cross_entropy_with_logits 因为这是适合多标签的一种，而 softmax 则适用于多类问题。我编辑了我的帖子。
输出层的形状应该仍然是[n_samples, n_labels]
那么，我应该使用阈值来决定是否分配标签吗？
是的......你应该在分类器完成训练后进行阈值化

标签： tensorflow classification loss

【解决方案1】：

我认为输出层的形状应该是[n_samples, n_labels]，并且当你使用tf.nn.softmax_cross_entropy_with_logits时，确保标签数组是one-hot的格式，另一个推荐的接口是tf.nn.sparse_softmax_cross_entropy_with_logits，哪些标签应该是n_labels的入口；

【讨论】：