Keras:用于多个多类分类的自定义输出层

Question

你好，我对机器学习非常陌生，我想用Python在Keras中构建我的第一个自定义层。我想使用103个维度的数据集来完成分类任务。模型的最后一个完全连接层有103个神经元(由图像中的13个点表示)。前一层的五个维度组应连接到输出层的三个神经元，因此将有20种分类。输出层的神经元代表“真”(图像中的“T”)，“淡漠”("?")和"False“(F)。其余三个不需要连接到输出层。

如何构建这一层？我怎样才能确定，有三个神经元的20组中的每一组的概率加起来都是1？例如，我可以将softmax激活函数应用于每个组吗？

编辑-这是我的解决方案：

# define input and hidden layers. append them to list by calling the new layer with the last layer in the list
    self.layers: list = [keras.layers.Input(shape=self.neurons)]
    [self.layers.append(keras.layers.Dense(self.neurons, activation=self.activation_hidden_layers)(self.layers[-1])) for _ in range(num_hidden_layers)]
    self.layers.append(keras.layers.Dense(self.neurons - self.dims_to_leave_out, activation=activation_hidden_layers)(self.layers[-1]))

    # define multi-output layer by slicing the neurons from the last hidden layer
    self.outputs: list = []
    index_start: int = 0
    for i in range(int((self.neurons - self.dims_to_leave_out)/self.neurons_per_output_layer)):
        index_end: int = index_start + self.neurons_per_output_layer
        self.outputs.append(keras.layers.Dense(self.output_dims_per_output_layer, activation=self.activation_output_layers)(self.layers[-1][:, index_start:index_end]))
        index_start = index_end

Answer 1

功能API允许您设计更复杂的模型，包括多输出模型。查看文档，了解如何将特定的神经元连接到您选择的其他神经元。您应该能够从头开始制作自定义层。一旦构建了不同的输出层，就可以像往常一样使用softmax激活来设置每个层中的概率。