如何设置Keras中多分类问题的categorical_crossentropy损失函数？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1277个文字，预计阅读时间需要6分钟。
从`keras.utils.np_utils`导入`to_categorical`函数。注意：当使用`categorical_crossentropy`损失函数时，你的标签应表示为多类模式。例如，如果你有10个类别，每个样本的标签应是一个10维向量，对应于每个类别的存在性（例如，对于10个类别，向量的形式为[0, 1, 0, 0, 0, 0, 0, 0, 0, 0]，表示该样本属于第二个类别）。
from keras.utils.np_utils import to_categorical
注意：当使用categorical_crossentropy损失函数时，你的标签应为多类模式，例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。
本文共计1277个文字，预计阅读时间需要6分钟。
从`keras.utils.np_utils`导入`to_categorical`函数。注意：当使用`categorical_crossentropy`损失函数时，你的标签应表示为多类模式。例如，如果你有10个类别，每个样本的标签应是一个10维向量，对应于每个类别的存在性（例如，对于10个类别，向量的形式为[0, 1, 0, 0, 0, 0, 0, 0, 0, 0]，表示该样本属于第二个类别）。
from keras.utils.np_utils import to_categorical
注意：当使用categorical_crossentropy损失函数时，你的标签应为多类模式，例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。