非独立クラスのテンソルフロー損失

Question

私はTensorflowネットワークを使用して、隣接するクラスに似ている、つまり独立していないクラス間を分類します。たとえば、10個のクラスの中から予測するとしますが、予測は単に「正しい」または「正しくない」というわけではありません。代わりに、正しいクラスが7でネットワークが6を予測する場合、ネットワークは5が正しいと答えた場合よりも損失が少なくなるはずです.6は正解に近いので、5となります。クロスエントロピーと1ホットベクトルは、エラーの大きさを反映する「連続的な」損失ではなく、「何もない」損失である。それが正しい場合、Tensorflowでこのような連続的な損失をどのように実装しますか？

- 更新2016年6月13日----

サンプルアプリケーションは、色認識であるかもしれません。ネットワークが「緑色」を予測しているが、真の色が黄緑色である場合、緑色が青色より良い予測であるため、ネットワークが青色を予測した場合よりも損失が少なくなるはずです。

Answer 1

連続した機能（たとえばHSVの色相）を1つの出力として実装し、最適化するものを反映する独自の損失計算を構成することができます。その場合は、0.0と1.0の間の範囲の単一の出力値を持つだけで、損失はラベル付きの値からの距離に基づいて評価されます。