n個のクラスに対してマルチラベル画像分類タスクを実行したい。 私が持っているまばらなラベル各画像のベクトルと各ラベルベクトルの各次元は、現在、このようにエンコードされている:TensorFlowでスパースラベルを使用したマルチラベル画像分類?
1.0 - 偽>ラベル - >ラベル真/画像は、このクラス
-1.0に属し/イメージはこのクラスに含まれていません。
0.0 - >欠落値/ラベル
例:V = {1.0、-1.0,1.0、0.0}
この例のモデルV対応する画像が分類されるべきであることを、学ばなければなりません第1クラスと第3クラス。
私の問題は現在、欠損値/ラベルをどのように処理するかです。私は問題を通じて検索し、この問題を発見した: tensorflow/skflow#113 found here
そうでmultilable画像分類を行うことができます: tf.nn.sigmoid_cross_entropy_with_logits(logits、ターゲット、名前=なし)
しかしTensorFlowは排他的な分類に使用されるスパースソフトマックス、この誤差関数があります。 tf.nn.sparse_softmax_cross_entropy_with_logits(logits、ラベル、名前=なし)
をだから、まばらなシグモイドクロスエントロピーのようなものがありますか? (何かを見つけることができませんでした)、または何か提案がありますか?疎なラベルでマルチラベル分類の問題をどうやって処理できますか?
私はあなたの質問(テンソルフロー/ skflow#113が見つかりました[ここ](https://github.com/tensorflow/skflow/issues/113))で述べた問題を調べました。しかし、私はこれまでにマルチラベルの分類を行い、 'tf.sigmoid_cross_entropy_with_logits()'関数を使っていました。しかし、なぜあなたは-1.0が必要なのか分かりません。価値の欠如の意味この-1は、シグモイドクロスエントロピーの勾配を導出する際に多くの意味を持ちます。 – Kashyap