双输出神经网络

Question

我是新的Keras，想建立一个有两个输出的神经网络。 基本上，我要做的是将最后一层的稠密函数设置为2，如下所示

model.add(Dense(2, activation = 'relu',kernel_initializer=RandomNormal(mean=0.0, stddev=0.05, seed=0)))

对吗？在

谢谢你的帮助

Answer 1

不清楚你所说的两个输出是什么意思。就术语而言，您的网络只有一个大小为2的输出，因为您只输出一个向量。我们可以说这是多输出，在某种意义上，你有两个值，你正在计算，但技术上我们称之为单一输出。这取决于你的应用程序是什么。在

实际的多输出网络是使用functional API构建的，其中有一个向量/张量列表作为不同层的输出。例如，在这种情况下，您可以：

out1 = Dense(2, activation='relu')(in)
out2 = Dense(3, activation='softmax')(in)
model = Model(in, [out1, out2])

它将有2个矢量作为输出。这与Dense(5)有何不同？好吧，现在我们有不同的激活，并试图预测回归，以及在这个例子中输入的分类，你不能用一个单一的向量输出有效地完成。在

Answer 2

如果你试图实现的是从你的神经网络中得到两个不同的输出，那么这个实现是错误的。在这一行代码中，你在致密层中创建了两个神经元，就像在一个多类分类问题中，如果你试图从这两个类中预测你输入的类，那么你做得对（只要改变activation='softmax'）

但是，如果你要做的是预测来自单一神经网络的两个不同的输出，那么你必须使用Keras的模型api，然后基本上，然后为每个输出创建不同的输出层，并在实例化模型时将它们作为列表传递。在

如果您是Keras的新手，我强烈建议您通过这个book，这将非常有帮助。在