时间戳

首页 > 解决方案 > Softmax 激活在损失 sparse_categorical_crossentropy 的情况下表现最差

tensorflow - Softmax 激活在损失 sparse_categorical_crossentropy 的情况下表现最差

问题描述

我有一个简单的 Keras 顺序模型。我有 N 个类别，我必须根据前一个点预测下一个点将属于哪个类别。

奇怪的是，当我从输出层移除 Softmax 激活函数时，性能会更好（损失更低，sparse_categorical_accuracy 最高）。作为损失，我使用 logits=True 的 sparse_categorical_crossentropy。

有什么理由吗？不应该是相反的吗？

提前感谢您的任何建议！

def build_model(vocab_size, embedding_dim, rnn_units, batch_size):
  model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size, embedding_dim,
                              batch_input_shape=[batch_size, None]),
    tf.keras.layers.GRU(rnn_units,
                        return_sequences=True,
                        stateful=True, 
                        recurrent_initializer='glorot_uniform'),
    tf.keras.layers.Dense(vocab_size, activation='softmax')
    ])
  return model

model = build_model(
  vocab_size = vocab_size,
  embedding_dim=embedding_dim,
  rnn_units=rnn_units,
  batch_size=BATCH_SIZE)

def loss(labels, logits):
  return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)


model.compile(optimizer='adam', loss=loss, metrics=['sparse_categorical_accuracy'])

EPOCHS = 5
history = model.fit(train_set, epochs=EPOCHS, validation_data=val_set,)

标签： tensorflowkerasloss-functionsoftmax

解决方案

简而言之，当您使用 option 时from_logits = True，您是在告诉损失函数您的神经网络输出未标准化。由于您在最后一层使用 softmax 激活，因此您的输出确实是标准化的，因此您有两个选择：

  1. 正如您已经尝试过的那样，删除 softmax 激活。请记住，在此之后，您的输出概率将不会被标准化。
  2. 使用from_logits = False.

推荐阅读