【问题标题】:Keras "Tanh Activation" function -- edit: hidden layersKeras“Tanh Activation”功能——编辑:隐藏层
【发布时间】:2018-08-17 17:45:41
【问题描述】:

Tanh 激活函数将输出限制为 [-1,1]。我想知道如果输入(特征和目标类)以 1-hot-Encoded 形式给出,它是如何工作的?

keras 如何(在内部管理)激活函数的负输出以将它们与类标签(单热编码形式)进行比较——仅表示 0 和 1(没有“-”ive 值)

谢谢!

【问题讨论】:

    标签: python-3.x neural-network keras multiclass-classification activation-function


    【解决方案1】:

    首先,您根本不应该在输出层中使用它们。根据您的损失函数,您甚至可能会遇到错误。像 mse 这样的损失函数应该能够接受 tanh 的输出,但它没有多大意义。

    但如果是在谈论隐藏层,那你就很好了。还要记住,在将层的输出提供给激活函数之前,存在偏差可以训练层的偏移量。

    【讨论】:

    • 谢谢!我说的是隐藏层。 (刚刚做了有问题的编辑)。我想知道它如何在内部工作以将其输出与“One-Hot 编码 - TargetClass”进行比较
    • 我删除了我之前的评论,因为我仍然不明白你的问题的性质。在神经网络内部,神经元可以有负值,这完全没有问题。输出层(如 sigmoid 或 softmax)的激活函数将每个可能的神经元值映射到 [0,1],因此您可以开始了。
    • 啊好吧,我想这更清楚了。即使我的隐藏层具有导致负值的激活函数“tanh”.. 输出层中的 Softmax 会将其变为 [0,1]。谢谢。
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2018-01-25
    • 2019-01-27
    • 2020-02-02
    • 2019-10-01
    • 1970-01-01
    • 2018-05-27
    • 2020-06-01
    相关资源
    最近更新 更多