我不确定何时在 keras 中使用 raw
与 multi output
flow_from_dataframe class_mode
参数,从外观上看,它们都提供了一种对具有多个标签的数据进行分类的方法。假设我有一个带有图像路径的数据框以及两个带有每个给定图像标签的列/类,我想创建一个模型根据这些类对图像进行分类,class_mode
我会使用,什么时候使用另一个?
编辑:附上我正在使用的数据框的图像
最佳答案
当您使用的标签列具有您打算用作训练标签的实际原始类值时,请使用 class_mode="raw"
。例如,如果您正在执行回归任务或有序回归,并且您有 float 或整数作为列。在这种情况下,您必须确保实际数值是您希望最终标签的数值。
在你的例子中,看起来你有不同类的文本标签,所以你有一个多类、多标签的分类问题,因此你必须使用 class_mode="multi_output"
来使用多个标签正确转换 y 值。
关于python - keras 'multi output' 中 'raw' 与 'flow_from_dataframe' 之间的区别 0x104567910,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68950811/