多标签分类的预训练答案

【问题标题】：Pre-training for multi label classification多标签分类的预训练
【发布时间】：2019-05-20 21:02:03
【问题描述】：

我必须为多标签分类预先训练一个模型。我正在使用 cifar10 数据集进行预训练，我想知道我是否必须用于预训练 'categorical_crossentrpy' (softmax) 或 'binary_crossentropy' (sigmoid)，因为在第一种情况下我有一个多分类问题

【问题讨论】：

【解决方案1】：

您应该使用softmax，因为它为您提供了每个班级的概率，无论有多少班级。如您所写，Sigmoid 与binary_crossentropy 一起使用，并用于二进制分类（因此名称中包含二进制）。我希望现在更清楚了。

【讨论】：

谢谢。是的，我知道区别，但在多标签分类中，我必须使用“sigmoid”和“binary_crossentropy”。所以我想知道是否也为了进行迁移学习或微调而进行预训练，我必须使用相同的功能
对不起，我不明白。你说你必须在多分类分类中使用sigmoid 和binnary crossentropy，这是不可能的。如果模型的输出超过 2 个，则必须使用 softmax 和 categorical crossentropy。为了回答你的问题，如果你想做普通的迁移学习（使用相同的模型），那么答案很明显，因为你使用的是相同的模型。如果您想使用预训练的权重并用它初始化不同模型的权重，我认为您不必使用相同的激活函数
但是，softmax 和 sigmoid 通常只用在输出层，所以我不知道你的问题到底是什么意思
是的，它们只在输出中。因此，在您看来，我必须使用 'categorical_crossentropy' 和 softmax 进行预训练，然后使用多标签分类 'binary_crossentropy'（sigmoid），因为它们仅用于最后一层，这两种情况不同。我说的对吗？
好吧，我不明白那是你的问题。那么是的，使用一对一的方法。你可以参考你发给我的帖子。做 softmax 进行预训练，因为在 cifar 中，传输模型中只有一类正确和 sigmoid