TensorFlow 很棒,我们已将其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。如果我们只有一种类型的标签,它就可以工作。例如,我们在 MNIST 数据集中仅选择 0 到 9 中的一位。
现在我们有了性别和年龄的特征。我们对每个示例都有 one-hot 编码,例如 [1, 0, 1, 0, 0, 0, 0]。前两个标签代表性别,后五个标签代表年龄。每个示例有两个 1,其他应该是 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”所有标签并总和为 2。但我期望前两个总和为 1,后五个总和为 1。不知道如何在 TensorFlow 中实现它,因为这 7( 2+5) 功能似乎相同。