Функция потери регрессии для нескольких выходов Keras

Question

Я использую метод глубокого обучения для решения проблемы регрессии с несколькими выходами (16 выходов), каждый выход находится между [0,1] и сумма равна 1 .Я не понимаю, какая функция потерь идеальна для этой проблемы, я уже тестировал Среднее квадратичное отклонение и Среднее абсолютное отклонение , но нейронная сеть всегда предсказывает одно и то же значение.

model = applications.VGG16(include_top=False, weights = None, input_shape = (256, 256, 3))

x = model.output
x = Flatten()(x)
x = Dense(1024)(x)
x=BatchNormalization()(x)
x = Activation("relu")(x)
x = Dropout(0.5)(x)
x = Dense(512)(x)
x=BatchNormalization()(x)
x = Activation("relu")(x)
x = Dropout(0.5)(x)

predictions = Dense(16,activation="sigmoid")(x)


model_final = Model(input = model.input, output = predictions)


model_final.compile(loss ='mse', optimizer = Adam(lr=0.1), metrics=['mae'])

Answer 1

То, что вы описываете, больше похоже на задачу классификации, поскольку вы хотите получить распределение вероятностей в конце.Поэтому вы должны использовать softmax (например) в последнем слое и перекрестную энтропию в качестве меры потерь.