আমি মুখ / নন-ফেস বাইনারি সনাক্তকরণ প্রশিক্ষণের জন্য গভীর শিক্ষার ব্যবহার করতে চাই, আমার কী ক্ষতি ব্যবহার করা উচিত, আমি মনে করি এটি সিগময়েডক্রস এন্ট্রোপিওলস বা কব্জি -ক্ষতি ।
এটি কি ঠিক, তবে আমিও ভাবছি যে আমার সফটম্যাক্স ব্যবহার করা উচিত তবে কেবল দুটি ক্লাস?
উত্তর:
কব্জি হ্রাস এবং ক্রস এন্ট্রপি সাধারণত একই রকম ফলাফল পাওয়া যায়। বিভিন্ন ক্ষতির ক্রিয়াকলাপগুলির সাথে তুলনা করার জন্য এখানে আরও একটি পোস্ট দেওয়া হয়েছে যা প্রায় 0-1 ক্ষতিতে শ্রেণিবদ্ধকরণে বিভিন্ন ক্ষতির ফাংশনগুলি বেছে নেওয়ার প্রভাবগুলি কী ।
এটি কি ঠিক, তবে আমিও ভাবছি যে আমার সফটম্যাক্স ব্যবহার করা উচিত তবে কেবল দুটি ক্লাস?
সফটম্যাক্স কোনও ক্ষতি নয় তবে একটি নরমালাইজেশন ফাংশন, এটি প্রায়শই ক্রস এনট্রপি লোকসানের সাথে একসাথে ব্যবহৃত হয় যা মূলত সমান SigmoidCrossEntropyLoss। আউটপুট স্তরটিতে ক্রস-এন্ট্রপি বা লগ সম্ভাবনাও দেখুন
আপনার ক্ষেত্রে আপনার বাইনারি শ্রেণিবদ্ধকরণ কাজ রয়েছে, সুতরাং আপনার আউটপুট স্তরটি স্ট্যান্ডার্ড সিগময়েড হতে পারে (যেখানে আউটপুট একটি পরীক্ষার নমুনার মুখ হওয়ার সম্ভাবনার প্রতিনিধিত্ব করে)। আপনি যে ক্ষতিটি ব্যবহার করবেন তা বাইনারি ক্রস-এনট্রপি হবে। এই সেটআপটি দিয়ে আপনি আপনার গভীর স্নায়বিক জালের শেষ স্তরে লজিস্টিক রিগ্রেশন ধারণ করতে পারবেন।
আপনার জন্য কয়েকটি লিঙ্ক এখানে। আশা করি তারা সাহায্য করবে।
https://en.wikedia.org/wiki/Cross_entropy#Cross-entropy_error_function_and_logistic_regression
http://neuralnetworksandDPlearning.com/chap3.html
https://www.quora.com/How-do-you-decide-Wich-loss- ফাংশন-থেকে-ব্যবহার-জন্য-মেশিন-শেখার
আপনি কেবলমাত্র 2 টি ক্লাস "ফেস" এবং "নট ফেস" দিয়ে সফটম্যাক্সটি ব্যবহার করতে পারেন এবং সফটম্যাক্স আউটপুটটিকে আত্মবিশ্বাসের স্কোর হিসাবে ব্যাখ্যা করতে পারেন যা আপনার গভীর নেট সম্পর্কে কিছুটা অন্তর্দৃষ্টি পেতে একটি দুর্দান্ত বৈশিষ্ট্য।
2-শ্রেণীর সফটম্যাক্স এবং বাইনারি কব্জি ক্ষতি উভয় চেষ্টা করে দেখুন। একটা সাম্প্রতিক কাগজ এর গভীর শিক্ষা লিনিয়ার ভেক্টর মেশিন সাপোর্ট ব্যবহার পরিবর্তে একটি SVM গভীর পরিবর্তন জাল উপরে একটি softmax ক্লাসিফায়ার ব্যবহার করে এবং কিছু আশাব্যঞ্জক ফলাফল এর আছে।
সাধারণত লোগারিদমিক ক্ষতি হ'ল পছন্দসই পছন্দ হবে, কেবলমাত্র একটি একক আউটপুট ইউনিটের সাথে মিশ্রণে। লোগারিদমিক লোকসানকে বাইনারি ক্রস এনট্রপিও বলা হয় কারণ এটি ক্রস এনট্রপি একটি বিশেষ ক্ষেত্রে শুধুমাত্র দুটি শ্রেণিতে কাজ করে।
তাত্ত্বিকভাবে, 2 ক্লাস সহ একটি সফটম্যাক্স সিগময়েড হিসাবে পুনরায় লেখা যেতে পারে, সুতরাং উভয়ের মধ্যে ফলাফলের মধ্যে কোনও পার্থক্য থাকা উচিত নয়। ব্যবহারিকভাবে, @ ডান্টলু যেমন উল্লেখ করেছেন, আউটপুট স্তরটিতে প্যারামিটারগুলির সংখ্যা দ্বিগুণ হবে (এটি কোনও অতিরিক্ত মানসিক সমস্যা হতে পারে কিনা তা নিশ্চিত নয়) এবং অবশ্যই আপনার দুটি ক্লাসের জন্য (ফেস এবং নন_ফিসার) দুটি স্কোর থাকবে।
sigmoid(শেষ স্তর সক্রিয়করণ হিসাবে)। ধন্যবাদ