tensorflow - 二元和多类分类代码更改

Question

我使用的代码与我在这里找到的几乎相似......

https://towardsdatascience.com/classify-butterfly-images-with-deep-learning-in-keras-b3101fe0f98

该示例与二元分类相关。我正在测试的数据要求进行多类分类。我想我需要改变激活和损失函数。如果我有超过 2 种类型，我可以使用此处找到的相同代码吗？

https://github.com/bertcarremans/Vlindervinder/blob/master/model/CNN.ipynb

<小时/>

更新: 我还有一个问题。如果我有足够的数据，是否需要进行扩充？

Answer 1

不，那是多标签分类。你说的是多类。以下是为您总结的内容:

• 二进制:您有 0 或 1 的单个输出。您可以在最后一层和 binary_cross_entropy 作为损失函数。
• 多标签:您有多个个0或1的输出； Dense(num_labels,activation='sigmoid') 和再次binary_cross_entropy。在这种情况下，一个示例可以同时属于多个标签。
• 多类:示例属于 N 个类中的 1 个，它们是互斥的。您可以将 Dense(num_classes,activation='softmax') 与 softmax_crossentropy 结合使用。