conv_lstm.py示例使用“binary_crossentropy”损失进行回归。为什么不改用“mean_squared_error”呢？

Question

2个问题：

1. 我使用 example on github来预测在该示例中创建的下一帧视频。这显然是一个回归问题，因为我们要预测下一个框架。我在想他们为什么要用这个损失 第38行:seq.compile(损耗=‘二元交叉熵’，优化器=‘adadelta’) 相反，我相信使用： Seq.compile(损失=‘均方_误差’，优化器=‘rmsprop’)

将导致更好的预测，因为我们正在实施一个回归问题，而不是分类。我说的对吗？

1. 在代码的第107行，他们留下了一条评论：

给它提供前7个位置，然后预测新的位置。

下面是他们用来预测7个输入帧的7个帧的代码：

which = 1004
track = noisy_movies[which][:7, ::, ::, ::]

for j in range(16):
   new_pos = seq.predict(track[np.newaxis, ::, ::, ::, ::])
   new = new_pos[::, -1, ::, ::, ::]
   track = np.concatenate((track, new), axis=0)

假设我想预测一个测试视频的第7帧。如果我不用最后的7帧来填充模型，而只是用第7帧来填充模型，那么它会对预测产生影响吗？

谢谢。

Answer 1

嗯，如果输出在0到1之间，使用‘二进制_交叉熵’是完全可以的。

就好像您在一个类中遇到了分类问题:真或错。(不过，函数仍然是连续的，到最后，零误差点将是相同的)

根据所使用的激活函数的类型(特别是使用'sigmoid')，由于数学细节，“binary_crossentropy”会给您带来比'mse‘更快的结果。

LSTM层递归地从分析帧(或任何类型数据的步骤)中学习。

它有所谓的“内在状态”。它分析的每一步都会更新这种内部状态，因此它的工作方式既像“记忆”直到现在发生的事情，也像某种定位器，比如“电影中的我现在在哪里？”

因此，对于LSTM来说，对前面的步骤进行预测是绝对必要的。

想象一下你以前从未看过“星球大战”，你开始在达特说：“卢克，我是你父亲”的场景中播放。你只会说：“什么？”

现在从一开始就看所有的电影，然后到达那个部分。你的理解会有所不同吗？LSTM会同意你的意见的。