Ausbildung nur ein Ausgang eines Netzwerks in Keras

Question

Ich habe ein Netzwerk in Keras mit vielen Ausgängen, aber meine Trainingsdaten liefern nur Informationen für einen einzelnen Ausgang zu einem Zeitpunkt.

meine Methode für die Ausbildung Im Moment hat eine Vorhersage über die Eingabe in Frage laufen, um den Wert der jeweiligen Ausgabe ändern, die ich trainiert habe und dann ein einzelnes Charge-Update zu tun. Wenn ich richtig liege, ist das das Gleiche, als würde ich den Verlust für alle Ausgänge auf Null setzen, außer für den, den ich trainieren möchte.

Gibt es einen besseren Weg? Ich habe Klassengewichte ausprobiert, bei denen ich für alle außer dem Ausgang, den ich trainiere, ein Nullgewicht festlege, aber es gibt mir nicht die Ergebnisse, die ich erwarte?

Ich verwende das Theano-Backend.

Answer 1

Um dies zu erreichen, endete ich die ‚Functional API‘ zu verbrauchen. Sie erstellen im Grunde genommen mehrere Modelle mit denselben Ebenen für Eingabe und ausgeblendete Ebenen, jedoch mit unterschiedlichen Ausgabeschichten.

Zum Beispiel:

https://keras.io/getting-started/functional-api-guide/

from keras.layers import Input, Dense 
from keras.models import Model 

# This returns a tensor 
inputs = Input(shape=(784,)) 

# a layer instance is callable on a tensor, and returns a tensor 
x = Dense(64, activation='relu')(inputs) 
x = Dense(64, activation='relu')(x) 
predictions_A = Dense(1, activation='softmax')(x) 
predictions_B = Dense(1, activation='softmax')(x) 

# This creates a model that includes 
# the Input layer and three Dense layers 
modelA = Model(inputs=inputs, outputs=predictions_A) 
modelA.compile(optimizer='rmsprop', 
       loss='categorical_crossentropy', 
       metrics=['accuracy']) 
modelB = Model(inputs=inputs, outputs=predictions_B) 
modelB.compile(optimizer='rmsprop', 
       loss='categorical_crossentropy', 
       metrics=['accuracy'])