Binary_crossentropy 和 Categorical_crossentropy 之间的混淆
Confusion between Binary_crossentropy and Categorical_crossentropy
我正在使用深度神经网络进行二进制 class class化。每当我使用 binary_crossentropy 时，我的模型都没有提供很好的准确性（它更接近于随机预测）。但是，如果我通过将输出层的大小设置为 2 使用分类交叉熵，我将在接近 0.90 的 1 个时期内获得良好的准确性。谁能解释一下这里发生了什么？
我在尝试在输出层中使用 binary_crossentropy 和 softmax 激活时也遇到了这个问题。据我所知，softmax 给出了每个 class 的概率，所以如果你的输出层有 2 个节点，它将类似于 p(x1)、p(x2) 和 x1 + x2 = X。因此，如果您只有 1 个输出节点，它将始终等于 1.0 (100%)，这就是您接近随机预测的原因（老实说，它会接近您在评估集中的类别分布）。
尝试将其更改为其他激活方法，例如 sigmoid 或 relu。
我正在使用深度神经网络进行二进制 class class化。每当我使用 binary_crossentropy 时，我的模型都没有提供很好的准确性（它更接近于随机预测）。但是，如果我通过将输出层的大小设置为 2 使用分类交叉熵，我将在接近 0.90 的 1 个时期内获得良好的准确性。谁能解释一下这里发生了什么？
我在尝试在输出层中使用 binary_crossentropy 和 softmax 激活时也遇到了这个问题。据我所知，softmax 给出了每个 class 的概率，所以如果你的输出层有 2 个节点，它将类似于 p(x1)、p(x2) 和 x1 + x2 = X。因此，如果您只有 1 个输出节点，它将始终等于 1.0 (100%)，这就是您接近随机预测的原因（老实说，它会接近您在评估集中的类别分布）。
尝试将其更改为其他激活方法，例如 sigmoid 或 relu。