**
binary_crossentropy和categorical_crossrntropy和sparse_categorical_crossrntropy
**
注意!!!!!:
(1)如果是二分类的话,损失函数就使用binary_crossentropy
(2)如果是多分类的话,那么分成两种情况:一、分类标签是由单个数字代替的,那么损失函数使用sparse_categorical_crossrntropy。二、分类标签是由one_hot(热编码)编写的,损失函数是categorical_crossentropy
(3)还有要注意的一点是,sigmoid激活函数一般不用来做多分类,而是用来做二分类,它是将一个标量数字转换到[0,1]之间,如果大于一个概率阈值(一般是0.5),则认为属于某个类别,否则不属于某个类别。这一属性使得其适合应用于多标签分类之中,在多标签分类中,大多使用binary_crossentropy,在实际应用中,一般将softmax用于多类分类的使用之中,并将损失函数设置为categorical_crossentropy损失函数:
输出层的分类数据预测的激活函数应该是sigmoid,如果是回归函数预测应该是relu
参考链接:https://blog.csdn.net/uncle_ll/article/details/82778750