Моя задача - классифицировать изображение в пикселях ... так что каждый пиксель изображения имеет класс, а CNN должен иметь возможность считывать изображение метки, чтобы каждый пиксель имел дискретное значение класса (0-19).Как считывать Tensorflow CNN в целые числа после слоя softmax?
У меня есть CNN, который, кажется, отлично справляется с воспроизведением относительных значений, так что он приближается к изображению метки с диапазоном 0.00001 и 0.00002 ... Однако у меня возникает проблема с получением кросс-энтропии работать вне только «вид хорошо», так как она опирается на матрицу этикетки изображения с дискретными значениями:
[[0, 1, 1, 1],[1,1,3,3],.etc] # A 2x4 pixel example
Кроме того, я не думаю, что я могу рассчитывать на onehot векторов, так как я смотрел бы на матрица 19 * 227 * 227 ... но, возможно, я попробую, если здесь нет решения.
Как бы то ни было, как мне сделать этот целочисленный бокс по возвращаемым значениям в softmax? Должен ли я делать 1-точечный вектор для каждого пикселя в изображении, или можно ли другим способом изменить распределение softmax на целые классы?