如何在keras中添加兩個輸出分類層？

Question

我有一個神經網絡，其工作是分類10個類。此外，我希望這10個班級分爲2個班級（正向 - > 3，負向 - > 7）。我怎樣才能在keras中實現這一點？

Answer 1

這聽起來像你正試圖解決兩個不同但密切相關的問題。我建議您訓練您的第一個模型以預測10個課程，然後創建第一個模型（包括權重）的副本，但使用不同的輸出層以支持二進制分類。此時，您可以：

1. 火車站只有你最後的緻密層和新輸出層，或
2. 列車具有低學習速率

因爲你可以瞭解更多的信息，整個模型Transfer Learning。

示例代碼：

model.save('model_1') # load this to retrieve your original model 
model.pop() # pop output activation layer and associated params 
model.pop() # pop final dense layer 
model.add(Dense(1), kernel_initializer='normal', activation='sigmoid') 
for layer in model.layers[:-2]: 
    layer.trainable = False 
model.compile(loss='binary_crossentropy', optimizer='nadam', metrics=['accuracy']) 
model.fit(x_train, y_train, epochs=50, batch_size=32) 

如果你想重新訓練整個模型，那麼你可以省略循環設置所有，但最後兩層untrainable，並選擇優化，如SGD具有低學習速率。