CNNとクロスエントロピーロスによる属性予測（不在属性の場合は負の値）

Question

イメージの100属性を予測するニューラルネット（CNN）を構築しています。トレーニングデータは、未知の場合は、その属性が存在し、0ないのであれば存在している属性は値1を持っている、と-1

img/img001.jpg -1, 1, -1 , 1, 0 .......-1 , 1

image_name image_attributes

follows-ようです。私はTensorflowを使用して、私の損失を定義しています -

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))

私の質問私はこの損失を最小化する場合、時にはそれがいくつかの属性が存在しない場合の-1表現に起因する負の値を持っており、私の最適化アルゴリズムが既に最小限に抑えることができますです負の損失。相違じゃない？

この損失を最小限に抑えるのが正しいのですか、または唯一の損失を持つためにmod関数を使用する必要がありますか？

Answer 1

したがって、結果がどのようなものであっても3つのノードとして分類子から結果を確認する必要があります。彼らは（Y0、Y1、Y2）、その後、これらの結果にソフトマックスを適用することによって、あなたは、確率の範囲内の解答を表す新しい価値があるでしょうどの

0と1の間

はそうあなたが持っているとしましょうこのフォーム[1、-2,0]の結果ソフトマックスを適用することによって、あなたは[0.7,0.04,0.26]

p_y_given_x = softmax(y_given_x) 

、その後、あなたARGMAX applyinngによってに基づいて予測されたクラスを定義することができますを持っています最も高い確率の結果

y_prediction = argmax(p_y_given_x) 

我々の場合には意味

[1,0,0]

今、あなたは何をすべきかを、あなたのデータ属性に基づいて予測クラスの数を取ることです。

が、最初のは、一つのことに同意しましょう

• 存在：クラス0
• ない存在：クラス1
• 知られていない：クラス2

のは、あなたのオブジェクトが存在しないとしましょうイメージ内で2番目のオブジェクトの値をとり、ログライクな時を適用する必要があります。

-log(p_y_given_x[y]) 

これは第2の0.04であり、このようにエラーを逆伝播することによってシステムをペナルティ化する。

Answer 2

範囲を[0、1]に変更することを検討してください。0は存在しない、1が存在する近く、および不明な値はしきい値を超えない値です。

属性の存在と予測の信頼という2つの次元を表すスカラー値を取得しようとしています。