也许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，我的目标是shape(,1)值 [-1,0,1]，所以我有 3 个类别。使用功能 API，我设置了输出层，如下所示：
输出=密集（1，名称='输出'，激活='tanh'，kernel_initializer='lecun_normal'）（输出1）
然后我申请：
model.compile(optimizer=adam, loss={'output': 'categorical_hinge'}, metrics=['accuracy'])
结果是模型正在收敛，但准确度接近 0。我做错了什么？
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。考虑使用三个带有 softmax 分类器的 one-hot 向量。如果我正确地解释了这个错误报告，那么无论如何构建分类铰链都是为了与单热向量一起工作。
所以：将您的标签转换为单键并将您的输出更改为以下内容：
output = Dense(3, name='output', activation='softmax', kernel_initializer='lecun_normal')(output1)
利用：
model.compile(optimizer=adam, loss="categorical_hinge", metrics=['accuracy'])