SOFTMAX層返回1S

我想建立在Keras一個CNN與SOFTMAX層作爲輸出的載體，但我只得到這個作爲輸出：SOFTMAX層返回1S

[[[[ 1.] 
    [ 1.] 
    [ 1.]]]]

我的模型是建立像這樣：

model = Sequential() 
model.add(Conv2D(2, (1,3), padding='valid', 
      input_shape=(3,3,50), init='normal', data_format='channels_first')) 
model.add(Activation('relu')) 
model.add(Conv2D(20, (1,48), init='normal', data_format='channels_first')) 
model.add(Activation('relu')) 
model.add(Conv2D(1, (1, 1), init='normal', data_format='channels_first', activation='softmax'))

我真的不明白，爲什麼softmax不起作用。這可能是因爲輸入形狀錯誤？

來源

2017-10-16 Eskahndor

您的模型架構有問題。如果你看一些流行款式：

你會發現，對於CNN的結構通常是這樣的：

一些卷積具有激活激活的層
匯合層（即最大彙集，平均彙集等）
平卷積層
緻密層
然後，SOFTMAX

它沒有意義的應用添加Softmax的卷積層。

來源

2017-10-16 13:48:57

謝謝，我試圖在卷積層之後添加一個緻密層，但沒有將其弄平。現在它工作了！ – Eskahndor

卷積層中的Softmax（通道求和1）對於圖像分割任務來說是一個好主意，其中每個通道都是一個類。 –

softmax激活將應用於最後一個軸。

看着你的model.summary()，你的輸出形狀是(None, 3, 3, 1)。

在最後一個軸上只有一個元素，您的softmax輸出將始終爲1。

您必須選擇要加總1的軸，然後正確地重新整形輸出。舉例來說，如果你想SOFTMAX考慮3個通道，則需要將這些通道移動到最終位置：

#your last convolutional layer, without the activation: 
model.add(Conv2D(3, (1, 1), kernel_initializer='normal', data_format='channels_first')) 

#a permute layer to move the channels to the last position: 
model.add(Permute((2,3,1))) 

#the softmax, now considering that channels sum 1. 
model.add(Activation('softmax'))

但是，如果你的目的是，整個結果總結1，那麼你應該添加一個Flatten()而不是Permute()。

Keras似乎更適合與channels_last一起工作。在這種情況下，softmax將自動應用於通道，無需額外的工作。

來源

2017-10-16 14:03:21

SOFTMAX層返回1S

回答

相關問題