2つの具体的なクラス、たとえばAとCがあります。NNを使用してクラスA、B、Cに分類して、自信を持って分類しすぎるサンプルをBコスト関数は次のようにすべきである:誤分類(Cと分類されるA、またはその逆)は非常に大きなコストを伴う。正しい分類にはコストがかかりません。アイテムをBとして分類することは、非常に低コストである。結果は、それぞれのクラスに非常によく合っているサンプルのみを区別することになります。Tensorflowカスタムコスト関数
私はTensorFlowの簡単なチュートリアルでしか作業していませんが、より具体的なコスト関数を定義する方法については説明していません。 TensorFlowでこれがどのように成し遂げられるのか誰にも説明できます
私は現在、2つのクラスだけを使って分類しています。これはストレートTensorFlowチュートリアルからのものである:
cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(y, y_))
train_step = tf.train.AdamOptimizer(learning_rate = learning_rate).minimize(cost)
yはNN(ようになります[1,0,0]、[0,1,0]] 3で設定した2つのサンプルのための出力でありますクラス)であり、y_は[[1,0,0]、[0,0,1]]のサンプルの正しいクラスです。この例では、2番目のサンプルをBと分類していましたが、確信が持てませんでしたが、実際のクラスはCでした。
あなたのコードはどこですか? [Ask]を参照してください。あなたはまた、2分のサイト[ツアー]を取ることも気にしませんでした。 –