TensorFlow非常棒,我们已经将它用于图像分类或推荐系统。我们使用softmax
和cross entropy
作为损失函数。它适用于只有一种标签的情况。例如,我们只在MNIST数据集中选择0到9之间的一个数字。如何在TensorFlow中使用两种类型的标签
现在我们有了性别和年龄的特征。我们对每个示例都有一个热门编码,例如[1,0,1,0,0,0,0]。前两个标签代表性别,最后五个标签代表年龄。每个示例有两个1,其他的应该是0。
现在我们的代码看起来像这样。
logits = inference(batch_features)
softmax = tf.nn.softmax(logits)
但我发现它“SOFTMAX”的所有标签,并总结为2。但我想到的是前两项之和达到1和过去五年总和高达1.不知道如何实现在TensorFlow中,因为这7(2 + 5)个特征看起来是一样的。