完全な畳み込みネットワークは損失レイヤーとして softmaxloss を使用しますが、セグメンテーションはマルチラベル タスクであり、確率問題として扱うことはできません。私は何か間違っていることを理解していますか？

2 つの隠れ層と 3 つの出力クラスを持つ単純な MLP を構築しようとしました。私がモデルで行ったことは次のとおりです。

• 入力画像は 120x120 RGB 画像です。平置きサイズ（3×120×120）

• サイズ 100 の 2 つの非表示レイヤー。

• Reluアクティベーションが使用されます

• 出力層には 3 つのニューロンがあります

コード

オプティマイザ

ただし、モデルは機能しません。精度は、ランダム モデルの精度と同等です。次の例は次のとおりです: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

ニューラル ネットワークから出力を取得する際に softmax 関数を使用し、誤差を計算する際の出力として最小値を取得しています。

ただし、出力が [0,0,0] と仮定してすべて同じである場合、softmax 関数の出力は [0.33,0.33,0.33] になります。

ですので、このような中から最小のものを選ぶと、

等しい最小値が複数あるため、次のエラーが発生します。

トレースバック (最新の呼び出しが最後):
ファイル "ann.py"、234 行目、モジュール内

Learn ()
ファイル "ann.py"、97 行目、learn 内

私の=分（tarminout）

ValueError: 複数の要素を持つ配列の真の値があいまいです。a.any() または a.all() を使用する

等しい最小値が複数ある場合、そのうちの 1 つだけを選択してこれを渡すにはどうすればよいですか?

ありがとう

私は TensorFlow を初めて使用し、言語モデルをトレーニングする必要がありますが、以下に示すようにドキュメントを読んでいるときにいくつかの問題に遭遇します。

なぜこの行が必要なのかわかりませんが、

出力が計算され、target_words が分かれば、損失を直接計算できることがわかったので。疑似コードが追加のレイヤーを追加しているようです。また、前述していない softmax_w と softmax_b とは何ですか。そんな素朴な疑問を投げかけたことで、何か重要なことを見落としているのではないかと思いました。

正しい方向に向けてください。どんな提案も大歓迎です。どうもありがとう。

https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/examples/tutorials/mnist/mnist_softmax.pyを編集 して、検証モニターを使用してログを有効にするだけです

しかし 、このプログラムでvalidation_monitorを設定する方法がわかりません。私は DNNClassfierで学びました 、validation_monitor はフローウィングの方法で使用されます

では、softmax_classifer で validation_monitor を使用するにはどうすればよいですか?

Inception v3 モデルを次の図に示します。

画像はこのブログ投稿からのものです。

https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html

Softmax 分類の出力は 2 つあるようです。何故ですか？

TensorFlow の例で、このファイルの「softmax:0」という名前の出力テンソルとして使用されているのはどれですか?

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/imagenet/classify_image.py

Inception v3 モデルの学術論文には、Inception モデルのこのイメージがないようです。

http://arxiv.org/pdf/1512.00567v3.pdf

一見 2 つの異なるソフトマックス出力を持つこれら 2 つのネットワーク ブランチがある理由を理解しようとしています。

明確にしていただきありがとうございます。

モデル入力 (x) として 2 次元配列がある TensorFlow の例では、MNIST データの代わりに独自のデータを交換しました。

[[379 1] [412 2] ... [205 1] [504 8]]

および 1d 出力 (y)、つまり:

[20, 24, ... 19, 27]

次のコードは[0.5, 0.5]、すべてのトレーニング ステップに対して 2 次元配列を生成し、テスト データに対する精度 (テスト データがランダムに生成される場合) に対して 1 を生成します。さらに、重みとバイアスはすべてゼロです。

私は根本的に何かが欠けていますか？

softmax、 への入力y = tf.nn.softmax(tf.matmul(x, W) + b)は値付き行列です

しかし、これを に入力するsoftmaxと、次のようになります。

トレーニングの出力が1s の配列になるため、トレーニング データの各バッチで重みWやバイアスがb更新されません。これにより、私の精度1はテストデータのランダムなセットになります

以下は私のコードです：