全卷积网络使用 softmaxloss 作为其损失层，但语义识别是一个多标签任务，不能将其视为概率问题。我理解错了吗？

我尝试构建一个具有 2 个隐藏层和 3 个输出类的简单 MLP。我在模型中所做的是：

• 输入图像是 120x120 rgb 图像。展平尺寸（3 * 120 * 120）

• 2 个大小为 100 的隐藏层。

• 使用relu激活

• 输出层有 3 个神经元

代码

优化器

然而，该模型不起作用。准确度仅等于随机模型的准确度。下面的例子是这个： https ://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

我正在使用 softmax 函数从神经网络获取输出，并在计算误差时获取最小值作为输出。

但是，如果假设 [0,0,0] 的输出相同，则 softmax 函数的输出为 [0.33,0.33,0.33]

因此，当从中选择最小值时，

它给出了以下错误，因为有多个相等的最小值，

Traceback（最近一次调用最后一次）：
文件“ann.py”，第 234 行，在模块中

learn()
文件“ann.py”，第 97 行，在学习中

我的 = min(tarminout)

ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

当有超过 1 个相等的最小值时，我怎样才能通过只选择其中一个来通过它？

谢谢

我是 TensorFlow 新手，需要训练语言模型，但在阅读文档时遇到了一些困难，如下所示。

我不明白为什么需要这条线，

因为我了解到，一旦计算出输出并且知道 target_words，我们就可以直接计算损失。伪代码似乎增加了一层。另外，没有提到的softmax_w和softmax_b是什么。我想我可能因为提出这样一个简单的问题而错过了一些重要的事情。

请指出我正确的方向，任何建议都将受到高度赞赏。非常感谢。

在 Caffe 中，它的 SoftmaxWithLoss 函数有一个选项可以在计算概率时忽略所有负标签 (-1)，因此只有 0 或正标签概率加起来为 1。

Tensorflow softmax loss 有类似的功能吗？

我正在使用 tensorflow 中的网络来生成一个向量，然后将其传递给作为我的输出的 softmax。

现在我一直在对此进行测试，奇怪的是，向量（通过 softmax 的向量）在所有坐标中都为零，但只有一个。

根据 softmax 对指数的定义，我认为这不应该发生。这是一个错误吗？

编辑：我的向量是 120x160 =192000。所有值都是 float32

我只是编辑https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/examples/tutorials/mnist/mnist_softmax.py 以使用验证监视器启用日志记录

但是我很困惑如何 在这个程序中设置validation_monitor 。我在 DNNClassfier中学习过，validation_monitor 以 flowwing 方式使用

那么，我如何在 softmax_classifer 中使用 validation_monitor 呢？

Inception v3 模型如下图所示：

图片来自这篇博文：

https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html

似乎有两个 Softmax 分类输出。这是为什么？

在 TensorFlow 示例中使用哪一个作为该文件中名称为“softmax:0”的输出张量？

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/imagenet/classify_image.py

Inception v3 模型的学术论文似乎没有这个 Inception 模型的图像：

http://arxiv.org/pdf/1512.00567v3.pdf

我试图理解为什么网络的这两个分支具有看似两个不同的 softmax 输出。

感谢您的澄清！

在 TensorFlow 示例中，我用自己的数据代替了 MNIST 数据，其中我有 2d 数组作为模型输入 (x)，即：

[[379 1] [412 2] ... [205 1] [504 8]]

和一维输出（y），即：

[20, 24, ... 19, 27]

以下代码[0.5, 0.5]为所有训练步骤生成 2d 数组，为测试数据生成 1 个数组（当随机生成测试数据时）。此外，所有权重和偏差都为零。

我从根本上错过了什么吗？

我对softmax, 的输入y = tf.nn.softmax(tf.matmul(x, W) + b)是一个有值矩阵

但是当它被输入时softmax，我得到：

导致我的训练输出是一个1s 数组，这意味着每批训练数据的权重W或偏差都不会更新。b这也导致我的准确性是1在一组随机的测试数据上

下面是我的代码：