二分类交叉熵损失函数python_Keras中的多分类损失函数用法categorical_crossentropy

from keras.utils.np_utils import to_categorical

注意：当使用categorical_crossentropy损失函数时，你的标签应为多类模式，例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。

可以使用这个方法进行转换：

from keras.utils.np_utils import to_categorical

categorical_labels = to_categorical(int_labels, num_classes=None)

以mnist数据集为例：

from keras.datasets import mnist

(X_train, y_train), (X_test, y_test) = mnist.load_data()

y_train = to_categorical(y_train, 10)

y_test = to_categorical(y_test, 10)

...

model.compile(loss='categorical_crossentropy', optimizer='adam')

model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)

补充知识：Keras中损失函数binary_crossentropy和categorical_crossentropy产生不同结果的分析

问题

在使用keras做对心电信号分类的项目中发现一个问题，这个问题起源于我的一个使用错误：</