用于多类分类问题的 Keras 输出层，取值范围为 -128 到 127答案

【问题标题】：Keras output layer for multiclass classification problem with value range -128 to 127用于多类分类问题的 Keras 输出层，取值范围为 -128 到 127
【发布时间】：2022-01-22 02:24:15
【问题描述】：

我有一个 128 个神经元的输入层。两个隐藏层 128 个神经元，每个都具有 relu 激活功能。现在我很难构建我的输出层。您可以将输入值与 mnist 数据集的像素值进行比较。每个输入（128 个数值）都有一个从 -128 到 127 范围内的输出。这个范围内的每个值（-128 到 127）代表一个输出类。我用激活函数 sigmoid 承包了一个 256 的输出层。

我的代码是

model_1 = keras.Sequential([
    keras.layers.Dense(128, input_shape=(128,), activation='relu'),
    keras.layers.Dropout(.5),
    keras.layers.Dense(128, input_shape=(128,), activation='relu'),
    keras.layers.Dense(256, input_shape=(128,), activation='sigmoid')
])

model_1.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model_1.fit(X_train, Y_train, epochs=5)

在我的训练数据集中，输入输出都是int8数据类型。但是我收到这样的错误

"INVALID_ARGUMENT: Received a label value of -124 which is outside the valid range of [0, 255). Label values: 44 -26 -120 -73 -84 -21 -123 90 -14 76 -43 -8 72 -94 -78 60 -121 -98 -124 106 -79 72 -2 -79 -116 55 0 6 82 -45 -35 -17"

谁能帮我解决这个问题？我的损失函数有问题吗？如何告诉输出层我的输出类在 -128 到 127 的范围内？

【问题讨论】：

标签： python tensorflow keras neural-network

【解决方案1】：

注意一面：从损失函数可以看出，模型是分类器，输出层有 255 个神经元，太多了。

输出层的神经元个数必须与标签相同在（某些情况下）数组的范围（y）

所以当您使用sparse_categorical_crossentropy 时，您应该将类向量转换为二进制类矩阵

to category

【讨论】：

在输出层，需要 256 个神经元，因为我有 256 个类来解决这个特定问题。但是我发现了问题。问题出在我的数据集上。不过谢谢你的评论。