Softmax 激活给出了最差的性能损失 sparse_categorical_crossentropy

Question

我有一个简单的 Keras 顺序模型。我有 N 个类别，我必须根据前一个点预测下一个点将属于哪个类别。

奇怪的是，当我从输出层移除 Softmax 激活函数时，性能更好（更低的损失和最高的 sparse_categorical_accuracy）。作为损失，我使用 sparse_categorical_crossentropy with logits=True.

有什么理由吗？应该不是相反吧？

提前感谢您的任何建议！

def build_model(vocab_size, embedding_dim, rnn_units, batch_size):
  model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size, embedding_dim,
                              batch_input_shape=[batch_size, None]),
    tf.keras.layers.GRU(rnn_units,
                        return_sequences=True,
                        stateful=True, 
                        recurrent_initializer='glorot_uniform'),
    tf.keras.layers.Dense(vocab_size, activation='softmax')
    ])
  return model

model = build_model(
  vocab_size = vocab_size,
  embedding_dim=embedding_dim,
  rnn_units=rnn_units,
  batch_size=BATCH_SIZE)

def loss(labels, logits):
  return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)


model.compile(optimizer='adam', loss=loss, metrics=['sparse_categorical_accuracy'])

EPOCHS = 5
history = model.fit(train_set, epochs=EPOCHS, validation_data=val_set,)

Answer 1

简而言之，当您使用选项 from_logits = True 时，您是在告诉损失函数您的神经网络输出未归一化。由于你在最后一层使用 softmax 激活，你的输出确实是标准化的，所以你有两个选择：

删除你已经尝试过的 softmax 激活。请记住，在此之后，您的输出概率将不会被归一化。
使用from_logits = False.

Softmax 激活给出了最差的性能损失 sparse_categorical_crossentropy

Softmax activation gives worst performance with loss sparse_categorical_crossentropy

keras

tensorflow

softmax

loss-function