将tf.layers转换为tf.keras.layers后的成本函数

Question

我有一个CNN，它的输出维度是None，10

这是一个多标签问题，其中输出表示x可能属于的可能类别。(例如，可以将图像分类为cat dark等)

以下是我现在所拥有的，如何将代码更改为keras版本？我找不到等同于sigmoid_cross_entropy_with_logits的

 model = tf.layers.dense(L3, category_num, activation=None)
 cross_entropy = tf.nn.sigmoid_cross_entropy_with_logits(logits=model, labels=Y)

 cost = tf.reduce_mean(tf.reduce_sum(cross_entropy, axis=1))
 optimizer = tf.train.AdamOptimizer(learning_rate).minimize(cost)

Answer 1

Keras中的直接替代方法是在输出层使用sigmoid激活，并将binary_crossentropy用作成本函数。

net.add(Dense(..., activation='sigmoid'))
net.compile(optimizer, loss='binary_crossentropy')

看一看https://github.com/keras-team/keras/issues/741

Answer 2

在Keras中：

#you model here -- last layer:

model.add(Dense(10))
model.add(Activation('sigmoid'))
model.compile(loss='categorical_crossentropy',
              optimizer="adam",metrics=['accuracy'])