Tensorflow 分类标签 0 和 1

Question

我正在处理一个简单的分类问题。我继续完成示例并创建了一个模型。

我将标签栏排列如下。

label 0 1 1 0 0 1 因此，我想用样本测试系统。但它确实有价值百分比。

我希望它给出 2 个正确的值，0 或 1。

示例代码；

input_dict = {name: tf.convert_to_tensor([value]) for name, value in sample.items()}
predictions = reloaded_model.predict(input_dict)
prob = tf.nn.sigmoid(predictions[0])

print(
    "This particular pet had a %.1f percent probability "
    "of getting adopted." % (100 * prob)
)

什么代码会导致 0 和 1？

谢谢。

Answer 1

要做什么取决于您构建模型的方式。只有两个标签，你正在做二进制 classification。如果在你的模型中，最后一个密集层有 1 个神经元，那么它被设置为二进制 classification。在那种情况下，你在 model.compile 中的损失函数应该是

loss=BinaryCrossentropy

Model.predict 在这种情况下将产生单值概率输出。您可以只使用 if 语句来确定 class。如果概率小于 .5，则为一个 class，如果大于或等于 .5，则为另一个 class。现在你可能已经构建了你的模型，其中最后一个致密层有 2 个神经元。在这种情况下，如果标签是整数，您应该使用 sparse_categorical_crossentropy，如果标签是一个热编码作为您的损失函数，则应该使用 categorical_crossentropy。 Model.predict 在这种情况下将产生两个概率作为输出。您希望 select 的索引概率最高为 class。您可以使用 class=np.argmax(predictions)

Tensorflow 分类标签 0 和 1

Tensorflow classification label 0 and 1

label

classification

tensorflow