ケラスに2つの出力分類レイヤーを追加するにはどうすればよいですか？

Question

私は、10のクラスを分類する仕事をしているニューラルネットワークを持っています。さらに、これらの10のクラスを2つのクラス（陽性→3、陰性→7）に分類したい。どのようにケラスでこれを達成できますか？

Answer 1

2つの異なるが密接に関連する問題を解決しようとしているようです。最初のモデルをトレーニングして10のクラスを予測し、バイナリ分類をサポートするために異なる出力レイヤーを除いて最初のモデルのコピー（ウェイトを含む）を作成することをお勧めします。この時点で、あなたはいずれかを実行できます。

1. 列車の最終的な緻密層と、新たな出力層、または
2. 列車のみ詳細については、低い学習率

とモデル全体あなたがについて読むことができますTransfer Learning。

例コード：

model.save('model_1') # load this to retrieve your original model 
model.pop() # pop output activation layer and associated params 
model.pop() # pop final dense layer 
model.add(Dense(1), kernel_initializer='normal', activation='sigmoid') 
for layer in model.layers[:-2]: 
    layer.trainable = False 
model.compile(loss='binary_crossentropy', optimizer='nadam', metrics=['accuracy']) 
model.fit(x_train, y_train, epochs=50, batch_size=32) 

あなたがモデル全体を再教育したいなら、あなたはuntrainableにすべてが、最後の二つの層を設定するループを省略し、低学習率となSGDなどオプティマイザを選択することができます。