TensorFlow Keras 多分类，要准备什么数据集？答案

【问题标题】：TensorFlow Keras multi classification, what datasets to prepare?TensorFlow Keras 多分类，要准备什么数据集？
【发布时间】：2026-01-04 15:05:01
【问题描述】：

例如，如果我想训练一个模型来分类“狗”、“猫”和“既不是狗也不是猫”。我是否需要为“既不狗也不猫”准备数据集？有没有办法只用“狗”和“猫”数据集来完成它？

【问题讨论】：

标签： tensorflow keras logistic-regression multiclass-classification

【解决方案1】：

是的，建议标记数据具有“其他”类型，并添加一个额外的输出神经元来推断other 类型

让我们从“狗”或“猫”的二元分类器开始

大部分softmax激活用于输出层
它将结果归一化为两个类之一
帮助用户轻松决定选择

现在让我们为“other”添加第三个神经元，我们需要一些数据来正确激活“other”

或者，

使用带有两个神经元的 sigmoid
调整预测阈值，如果dog 和cat 都低于它们的阈值，则发出neither

虽然这种替代方法有效，但可能不建议这样做，因为模型范围之外的自定义逻辑会推断出额外的类（模型不知道）。

将来，如果有人添加，比如说horse（以及dog 和cat），则需要修改代码。从长远来看，这似乎是不必要的复杂性。

【讨论】：

刚刚学习的 sigmoid 可以与多个神经元一起使用。谢谢你的回答！
@Asagao，谢谢。我们可以将输出层中的 sigmoid 视为一个自变量（不关心输出层中其他神经元的状态）。通常不建议进行分类，因为它增加了开发人员在single-label(multiclass) 的情况下管理阈值的责任。一般来说，从长远来看，softmax 可能有助于单标签。如果您正在处理 multi-label，那么 sigmoid 可能是比 softmax 更好的选择。免责声明：我是这个领域的初学者。
@Asagao，更清楚您的陈述并消除任何误解。 just learned sigmoid can be used with multiple neurons: sigmoid 只对单个神经元起作用。只是我们在输出中有多个神经元，每个神经元都有一个 sigmoid 激活。每个 sigmoid 激活的输出神经元都独立于其他神经元。他们甚至不知道其他人的存在。其中，“softmax”必须了解所有神经元，才能在概率分布 (0..1) 下对所有可能的输出进行归一化。
非常感谢您的进一步澄清，明白“只是我们在输出中有多个神经元，每个神经元都有一个 sigmoid 激活”。
太棒了。祝你有美好的一天

【解决方案2】：

是的，您应该拥有全部 3 个。从理论上讲，您可以只使用 2 进行训练，然后声称如果两个 logit 都较低，则“两者都不是”。但是，您至少需要“两者都不” DS 来验证您的模型是否有效。此外，如果使用 3 组训练，训练起来会更加健壮和快速。

【讨论】：

感谢您的及时建议。我怎么知道多类分类中的“logits 低”，因为 softmax 激活函数会带来 1 个总和输出？

【解决方案3】：

您可以尝试使用 2 个输出神经元，例如狗和猫，并在使用狗图片训练它时，将预期输出设置为 10，将猫设置为 01，但如果给定的图片既没有猫也没有狗，也不会出现，这似乎不太可能输出 00。

很有可能它可以工作，我目前正在使用 MNIST 时尚数据集做作业，输出是 10 个类，我一直使用 ReLu（意味着输出是 0 到无穷大，而不是 0 到1) and when class 7 is selected, usually the output layer will be [0 0 0 0 0 0 some high value 0 0 0], that means if I was to feed some arbitrary input, most likely the output would be close to 0 . 对你来说问题是输出很可能是非零的，你必须决定一些临界值，它不太可能是狗或猫。

【讨论】：