Я видел много подобных проблем в stackoverflow, но ни одно из этого не относится к моему случаю.
У меня проблема мультиклассовой классификации, и мои метки являются взаимоисключающими.
Тренировка с двоичной_кросентропией вследствие опечатки привела к снижению потерь и повышению точности. Интересно, что, в отличие от других проблем, связанных со стековым потоком, я печатаю «категорическую точность» Keras. Мои ярлыки закодированы в горячем виде.
Итак, если быть точным, мой код выглядит так:
net = Sequential()
net.add(TimeDistributed(model_A, input_shape=(timesteps,960, 75, 1)))
net.add(LSTM(100))
net.add(Dropout(0.5))
net.add(Dense(100, activation='relu'))
net.add(Dense(len(labels), activation='softmax'))
net.compile(loss='binary_crossentropy', optimizer=adam_opt, metrics=['binary_accuracy', 'categorical_accuracy'])
Я также пытался тренироваться с «categoryor_crossentropy», когда заметил опечатку и результаты куда хуже. Как это можно объяснить?