Keras通过argmax输出单个值答案

【问题标题】：Keras output single value through argmaxKeras通过argmax输出单个值
【发布时间】：2019-06-21 13:44:18
【问题描述】：

我正在尝试在 Keras 中构建一个非常简单的神经网络：

model = Sequential()
model.add(Dense(40, input_dim=186, activation='relu', name='x'))
model.add(Dense(3, activation='softmax'))

这可行，并输出一个三维向量（例如0 1 0）。我想添加一个使用 argmax 发送单个值的层，而不是这个向量。

我认为这会起作用：

model.add(Lambda(lambda x: K.cast(K.argmax(x), dtype='float32')))

但这会抛出（5962是训练样本的数量）：

ValueError: Error when checking target: expected lambda_1 to have 1 dimensions, but got array with shape (5962, 3)

我将如何实现这一目标？

请注意，我希望在模型中将此作为实际的 ArgMax 层，类似于 TensorFlow's ArgMax。

【问题讨论】：

你不能在训练阶段这样做，因为.argmax 不是一个可微的操作。但是，错误告诉您您提供的标签的形状为(num_samples, 3)，但Lambda 层的输出形状为(num_samples, 1)。
@today，这是有道理的，但是 TensorFlow 怎么能做到这一点呢？例如。 here 它在模型定义中显示argmax 层...

标签： python keras

【解决方案1】：

感谢@today 为我指明了正确的方向。您应该在训练之后添加层，一切都很好：

model = Sequential()
model.add(Dense(40, input_dim=186, activation='relu', name='x'))
model.add(Dense(classes, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X_train, Y_train, batch_size=50, epochs=100, validation_data=(X_test, Y_test))
model.add(Lambda(lambda x: K.cast(K.argmax(x), dtype='float32'), name='y_pred'))
model.save('data/trained.h5')

这将把 ArgMax 层添加到模型中！

【讨论】：