Keras CNN可以预测多个类别吗？

debugcn 发表于 Dev

msian09

我制作了一个keras CNN模型来预测不同的手势，但是该模型并未预测正确的输出。我有10节课。但是对于某些图像，它显示的结果类似[0，1，0，0，1，0，0，0，0，0]。我的问题是为什么会这样。我的建筑。

model = Sequential()

model.add(Conv2D(32, (5,5), input_shape=x.shape[1:])) 
model.add(Conv2D(32, (5,5), input_shape=x.shape[1:]))
model.add(Conv2D(32, (5,5), input_shape=x.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(2,2))

model.add(Conv2D(64, (3,3), input_shape=x.shape[1:]))
model.add(Conv2D(64, (3,3), input_shape=x.shape[1:]))
model.add(Conv2D(64, (3,3), input_shape=x.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(2,2))

model.add(Flatten())

model.add(Dense(64))
model.add(Activation('relu'))

model.add(Dense(64))
model.add(Activation('relu'))

model.add(Dense(10))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',
          optimizer = 'adam',
          metrics = ['accuracy']
          )
model.fit(x, y, epochs=10)

尼克怪胎

您正在使用binary_crossentropy应用于二进制分类问题的损失。对于多类问题，您应该使用categorical_crossentropy。您可能还想将最后一层的激活更改为softmax

我可以看到这是显而易见的工程问题。话虽如此，您可能必须试验层数，时期，学习率等才能获得有效的模型。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。