我不确定如何处理深度学习分类网络中的某些类相互关联的情况。
例如，在对图像进行分类时，如果输入是狗的照片，输出标签是猫，那么损失应该低于输出标签是飞机或桥梁的情况。我想知道 cs 人之前是如何处理这个问题的，如果有任何论文我可以参考。谢谢！
【问题讨论】：
标签： tensorflow keras deep-learning classification
tl;博士：
你不能/不应该
加长版：
如果，对于您的具体情况，您可以找到一个度量来确定类之间的距离，如下所示：
d[i,j] = f(L[i], L[j])
（其中d[i,j] 是标签为L[i] 和L[j] 的类之间的距离，f 是这两个类/标签的函数）然后您可以将其合并到您的损失函数中，这样如果d 大，损失会更大，如果d 小，损失会更小。
但是，在您的猫/狗/飞机/桥梁/...的示例中，我无法相信有一种正确的方法可以确定狗/猫或狗/桥梁等之间的距离。如果您真的想要，您当然可以手动确定，例如，如果您的图像包含猫，则预测桥梁比预测狗差 3 倍：
d[cat,dog]=1
d[cat,bridge]=3
但我根本不推荐这个。
我什么时候推荐这个？如果您有许多类和一个正确量化所有类之间相关性的相关矩阵。
【讨论】：
keras.losses.Loss来创建自定义损失函数。看看the implementation of built-in loss functions 看看它们是如何实现的。