在Tensorflow中使用離散標籤進行分類

我正在嘗試使用Tensorflow進行分類的一個非常簡單的示例。而不是使用one-hot vector，tf.nn.softmax和logittropy損失。我想使用0/1標籤的離散情況。 NN模型的輸出爲0或1.因此，我做了這樣的y_ = tf.nn.sigmoid（tf.matmul（hidden，weight2）+ bias2） y_ = tf.cast（tf.greaterequal（y ，0.5），tf.float32）所以這會給張量0或1.但是當我嘗試訓練這給了我錯誤說沒有梯度提供。這是完整的代碼。 https://gist.github.com/kris-singh/54aecbc1d61f1d7d79a43ae2bfac8516我的問題我想要做的是在tf還是不行？如果是的話如何？在Tensorflow中使用離散標籤進行分類

來源

2017-04-16 Kriss Singh

我認爲不可能像使用tf.greaterequal（）一樣使用一些最大函數和梯度下降優化器。我無法想象這樣的優化器應該如何處理離散的網絡輸出。您可以允許使用sigmoid連續輸出網絡，並僅執行cast（）和其他greaterequal（）操作來測量某種分類準確性，而不是用於訓練本身。 – ml4294

是....感謝我一直在思考相同的路線，我明白，後向傳播將不適用於計算圖中的「投射」節點。但是，當用筆和紙來計算時，這對我來說似乎很合理。在這種情況下，傳播的錯誤將爲0或1。這是否有道理？ –

我認爲評論回答了問題。

來源

2017-04-16 14:50:56

在Tensorflow中使用離散標籤進行分類

回答

相關問題