我应该使用什么损失函数和指标来训练 RNN 返回一系列类别？
What loss function and metrics should I use to train RNN returning a sequence of categories?
我正在尝试训练一个模型，该模型返回一个单词序列 (RNN) 的 class。
我为我的模型提供了一系列嵌入：
[ batchSize, sequence_length, word_embedding ] as float[]
并取回单热数组序列：
[ batchSize, sequence_length, number_of_classes ] as bool[]
我将其与相同格式的基本事实进行比较。
So, I am wondering:
- 我应该使用什么
loss？
- 我应该报告什么
metrics 以跟踪正在取得的进展？
听起来您正在训练一个系统来执行多类分类，其中每个样本恰好属于一组已知 类 中的一个。对于此任务，常见的选择是使用 categorical_crossentropy 或 sparse_categorical_crossentropy
请参阅此处了解损失的定义：
https://keras.io/losses/
有关使用的基本示例，请参见此处（在 python 中，但 JS API 匹配）。
https://colab.sandbox.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/beginner.ipynb
我正在尝试训练一个模型，该模型返回一个单词序列 (RNN) 的 class。
我为我的模型提供了一系列嵌入：
[ batchSize, sequence_length, word_embedding ] as float[]
并取回单热数组序列：
[ batchSize, sequence_length, number_of_classes ] as bool[]
我将其与相同格式的基本事实进行比较。
So, I am wondering:
- 我应该使用什么
loss？ - 我应该报告什么
metrics以跟踪正在取得的进展？
听起来您正在训练一个系统来执行多类分类，其中每个样本恰好属于一组已知 类 中的一个。对于此任务，常见的选择是使用 categorical_crossentropy 或 sparse_categorical_crossentropy
请参阅此处了解损失的定义： https://keras.io/losses/
有关使用的基本示例，请参见此处（在 python 中，但 JS API 匹配）。 https://colab.sandbox.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/beginner.ipynb