一种用于二值分类的RNN损失函数
一种用于二值分类的RNN损失函数
提问于 2018-07-09 10:57:20
我使用一个由GRU单元组成的RNN来比较两个包围盒的轨迹，并确定它们是否属于同一个代理。换句话说，我只对最后一步的概率得分感兴趣。
在这种情况下，我不确定如何构造损失函数。我认为有两种选择：
1)强迫网络在每一时间步骤输出正确的标签，即如果我提供一个输出应为1的正训练样本，那么我的损失函数将是网络输出在每个时间步骤减去的向量。
2)只检查最后一步的输出，只使用损失函数中的输出。
从直觉上看，第二种选择更有意义，但我相信还有其他因素在起作用。
回答 1
Data Science用户
回答已采纳
发布于 2018-07-09 12:11:33
第二个选择是好的选择。
- 您可以选择与非填充输入对应的最后一个输出，并将其用于您的损失。
- 或者您可以直接表示这一点:在keras中，将标志return_sequence设置为False，您的RNN层只会给出与非填充输入对应的最后一个输出。
如果我是你，我会尝试在RNN层和最后一个输出之间放置一个密集的层。不要忘记对最后一层使用softmax激活函数来获得概率。
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/34189
复制相关文章
相似问题
腾讯云开发者
