4クラスタスクと10クラスタスクの予測を行う同じネットワークによって生成される2つの出力を結合しようとしています。次に、これらの出力を組み合わせて、私が最終目標として使用する長さ14の配列を与えます。Keras - 1つのニューラルネットワークから2つの予測を作成
これは積極的に働いているようですが、予測は常に1つのクラスのため、2の代わりに14のオプションのうち1つを選択することに関連する確率distを生成します。実際には2予測、各クラスに1つ。私はこのすべてが同じモデルによって生産されることを望みます。
input = Input(shape=(100, 100), name='input')
lstm = LSTM(128, input_shape=(100, 100)))(input)
output1 = Dense(len(4), activation='softmax', name='output1')(lstm)
output2 = Dense(len(10), activation='softmax', name='output2')(lstm)
output3 = concatenate([output1, output2])
model = Model(inputs=[input], outputs=[output3])
私の問題は、適切な損失機能と予測方法を決定することです。予測のために、softmaxの後に各レイヤーの出力を単純に取り込むことができますが、これらの訓練を行うためにどのように損失関数を設定するかはわかりません。
アイデア?
どうもありがとう
Ah!ありがとうございました。私はこれを行うためのかなり簡単な方法がなければならないと考えました。だから私はmodel.predictを実行すると、これらのそれぞれの出力が得られるはずですか? – tryingtolearn
@tryingtolearnはい、それぞれの入力に対して2つの出力が得られます。 –