文章/答案/技术大牛

发布

社区首页 >问答首页 >深度学习模型的预测

问深度学习模型的预测
EN

Data Science用户

提问于 2020-04-05 19:45:18

回答 1查看 36关注 0票数 0

我已经建立了一个从0到9的数字分类模型。我的数据集是tf.keras.datasets.mnist。我使用softmax作为输出层的激活函数。

Q1：

输出层由10个神经元组成。每个代表从0到9的数字。但即使我把输出层神经元的数目改为20个，预测也是准确的。看起来，即使我只需要预测10位数，输出层中也可以有10个以上的神经元。为什么这么说？

Q2：

而且，预测是一个正确的列表列表。每个列表包含对应于10个神经元的概率，我们取概率最高的神经元。我的问题是，假设第6个神经元的概率最高，我如何知道分配给它的数字(标签)是什么？

我是一个完全的新手深入学习，所以请给我哑口无言。

neural-network

deep-learning

tensorflow

image-classification

machine-learning-model

回答 1

Data Science用户

发布于 2020-04-05 22:14:48

Q1:我不太明白Q1中的情况是如何发生的--我预计会出现一个错误，因为它的形状不匹配。例如，当我更改最后一个密集层中的类数时，确实会出现一个错误。

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
# adjust the number of layers from 10 to 20 - which throws an error
model.add(Dense(20, activation='softmax'))
model.compile(loss= 'categorical_crossentropy',
          optimizer = 'rmsprop',
          metrics=['accuracy'])

输出：

ValueError:一个形状为(60000，10)的目标数组被传递给形状输出(无，20)，同时用作丢失的categorical_crossentropy。此损失期望目标具有与输出相同的形状。

也许您可以在构建层时发布您的代码。

Q2:模型输出的概率列表将与您训练它的类的顺序相匹配。例如，如果数字0-9的类的顺序是0，1，2，3，9，并且模型输出特定图像的0.91，0.010.01，那么模型认为图像为'0‘的概率为91%。

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/71799

复制

相似问题

问深度学习模型的预测
EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问深度学习模型的预测EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问深度学习模型的预测
EN