Kerasの複数分類における複数の予測？

Question

私はKerasを使って畳み込みニューラルネットワークを設計することを学んでいます。私はVGG16をベースにしたシンプルなモデルを開発しました。私は、データセットに約6クラスの画像を持っています。私のモデルのコードと説明は次のとおりです。ここ

model = models.Sequential() 
conv_base = VGG16(weights='imagenet' ,include_top=False, input_shape=(IMAGE_SIZE, IMAGE_SIZE, 3)) 
conv_base.trainable = False 
model.add(conv_base) 
model.add(layers.Flatten()) 
model.add(layers.Dense(256, activation='relu', kernel_regularizer=regularizers.l2(0.001))) 
model.add(layers.Dropout(0.5)) 
model.add(layers.Dense(6, activation='sigmoid')) 

モデルをコンパイルし、取り付けるためのコードである：ここ

model.compile(loss='categorical_crossentropy', 
     optimizer=optimizers.RMSprop(lr=1e-4), 
     metrics=['acc']) 
model.summary() 

callbacks = [ 
    EarlyStopping(monitor='acc', patience=1, mode='auto'), 
    ModelCheckpoint(monitor='val_loss', save_best_only=True, filepath=model_file_path) 
] 

history = model.fit_generator(
    train_generator, 
    steps_per_epoch=10, 
    epochs=EPOCHS, 
    validation_data=validation_generator, 
    callbacks = callbacks, 
    validation_steps=10) 

新しいイメージ

img = image.load_img(img_path, target_size=(IMAGE_SIZE, IMAGE_SIZE)) 
plt.figure(index) 
imgplot = plt.imshow(img) 

x = image.img_to_array(img) 
x = x.reshape((1,) + x.shape) 
prediction = model.predict(x)[0] 
# print(prediction) 

の予測しばしばモデルのコードです。 predict（）メソッドは複数のクラスを予測します。

[0 1 1 0 0 0] 

私は、マルチクラス分類モデルは、複数の出力を予測するための質問

1. のカップルが、それは正常ですか？
2. 複数のクラスが予測された場合、トレーニング時間中に精度がどのように測定されますか？
3. どのようにして1つのクラスだけが予測されるようにニューラルネットワークを変更できますか？

何か助けていただければ幸いです。どうもありがとうございます！

Answer 1

あなたはマルチクラスの分類ではなく、マルチラベルです。これは、出力層でのシグモイド活性化の使用によって引き起こされます。マルチクラスの分類を適切に行うには、出力でsoftmaxのアクティベーションを使用します。これにより、クラスに対して確率分布が生成されます。 確率が最大（argmax）のクラスを取得すると、期待どおりに1つのクラス予測が生成されます。