我应该使用什么损失函数和指标来训练 RNN 返回一系列类别？答案

【问题标题】：What loss function and metrics should I use to train RNN returning a sequence of categories?我应该使用什么损失函数和指标来训练 RNN 返回一系列类别？
【发布时间】：2019-03-25 16:47:23
【问题描述】：

我正在尝试训练一个模型，该模型返回一个单词序列 (RNN) 的类。

我为我的模型提供一系列嵌入：

[ batchSize, sequence_length, word_embedding ] as float[]

并取回一系列 one-hot 数组：

[ batchSize, sequence_length, number_of_classes ] as bool[]

我将其与相同格式的基本事实进行比较。

所以，我想知道：

我应该使用什么loss？
我应该报告什么metrics 以跟踪正在取得的进展？

【问题讨论】：

你能分享在stackblitz上制作sn-p的模型来看看代码吗？

标签： tensorflow machine-learning tensorflow.js

【解决方案1】：

听起来您正在训练一个系统来执行多类分类，其中每个样本恰好属于一组已知类中的一个。对于这个任务，一个常见的选择是使用categorical_crossentropy 或sparse_categorical_crossentropy

有关损失的定义，请参见此处： https://keras.io/losses/

请参阅此处以获取基本使用示例（在 python 中，但 JS API 匹配）。 https://colab.sandbox.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/beginner.ipynb

【讨论】：

谢谢，我只是想确认categorical_crossentropy 不会因为序列中的每个元素都有自己的类别而感到困惑，但它似乎确实有效。