先說抱歉，標題可能不是很容易理解 我現在的問題是一般imagenet類別的問題都是多種分類裡面選一種 因此output layer的activation function常是softmax 然後再計算cross entropy loss 我現在的問題是我的問題是有多個label的 假如我的輸出可能是10維的向量 那label可能就是[0, 2, 4, 7, 9] 五個不同的值 我希望在0, 2, 4, 7, 9這五維輸出1 剩下的維度輸出0 我想問的問題是，如果我的模型的output layer輸出10維向量 並對每一個元素使用sigmoid function使其成為一個0到1的機率 接著一樣用cross entropy來作為loss function 這樣的方式來frame這個問題是正確或者說可行的嗎 我這個想法是李弘毅老師團隊的一篇Paper Temporal Pattern Attention for Multivariate Time Series Forecasting 裡面提到說因為很多varaibles都會對預測有很好的效果 因此他們用sigmoid對attention的output做處理 這樣的話多個variables都可以同時被納入考量 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.134.15.129 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1601481441.A.ED3.html