Keras 模型仅适用于 Sigmoid 激活

Question

我正在构建一个 Keras 模型，将数据分类为 9 个类别之一。问题是它只适用于为二进制输出设计的 Sigmoid 激活，其他激活导致 0 精度。我需要更改哪些内容才能将其分类到每个标签中？

#Reshape data to add new dimension
X_train = X_train.reshape((100, 150, 1)) 
Y_train = X_train.reshape((100, 1, 1)) 
model = Sequential() 
model.add(Conv1d(1, kernel_size=3, activation='relu', input_shape=(None, 1))) 
model.add(Dense(1)) 
model.add(Activation('sigmoid')) 

model.compile(loss='categorical_hinge', optimizer='adam', metrics=['accuracy']) 
model.fit(x=X_train,y=Y_train, epochs=200, batch_size=20)

Answer 1

单单元密集层不是我们在多类分类的情况下使用的；您应该首先确保您的 Y 数据是一次性编码的 - 如果没有，您可以使用 Keras 实用程序函数进行编码：

num_classes=9
Y_train = keras.utils.to_categorical(Y_train, num_classes)

然后将最后一层更改为：

model.add(Dense(num_classes)) 
model.add(Activation('softmax')) 

另外，如果您没有任何具体理由使用分类铰链损失，我建议您在模型编译中从 loss='categorical_crossentropy' 开始。

也就是说，您的模型似乎太简单了，您可能想尝试添加更多层...