如何在Keras中使用categorical_hinge？

Question

也许这是一个非常愚蠢的问题，但我找不到如何在Keras中使用categorical_hinge的示例。我进行分类，目标是shape(,1)[-1,0,1]，所以我有3个类别。使用功能性API，我像这样设置了输出层：

输出=密集（1，名称='输出'，激活='tanh'，kernel_initializer ='lecun_normal'）（output1）

然后我申请：

model.compile（optimizer = adam，损失= {'输出'：'categorical_hinge'}，指标= ['准确性']）

结果是该模型正在收敛，但精度接近0。我该怎么做？

Answer 1

虽然[-1, 0, 1]是 tanh 激活函数的有效目标范围，但经验表明 Keras 模型不能很好地处理二进制输出中的分类。考虑使用三个 one-hot 向量和一个 softmax 分类器来代替。如果我正确地解释了这个错误报告，那么分类铰链无论如何都是可以与 one-hot 向量一起使用的。

因此：将标签转换为 one-hots 并将输出更改为以下内容：

output = Dense(3, name='output', activation='softmax', kernel_initializer='lecun_normal')(output1)