J'ai un code qui utilise la fonction d'activation sigmoïde pour la classification qui sort [0,1]. Mais je besoin d'une fonction d'activation qui génère des valeurs binaires 0 ou 1.Fonction d'activation de seuil binaire dans tensorflow
x = tf.placeholder("float", [None, COLUMN])
Wh = tf.Variable(tf.random_normal([COLUMN, UNITS_OF_HIDDEN_LAYER], mean=0.0, stddev=0.05))
h = tf.nn.sigmoid(tf.matmul(x, Wh))
Wo = tf.Variable(tf.random_normal([UNITS_OF_HIDDEN_LAYER, COLUMN], mean=0.0, stddev=0.05))
y = tf.nn.sigmoid(tf.matmul(h, Wo))
# Objective functions
y_ = tf.placeholder("float", [None, COLUMN])
correct_prediction = tf.equal(tf.argmax(y, 1),tf.argmax(y, 1))
cost = tf.reduce_sum(tf.cast(correct_prediction, "float"))/BATCH_SIZE
Pouvez-vous s'il vous plaît me dire comment remplacer la fonction sigmoïde à l'étape binaire un.
Si vous n'utilisez pas de sigmoïde, seriez-vous capable de l'interpréter comme une probabilité? – elgehelge
également utilisé dans BinaryNet https://github.com/itayhubara/BinaryNet.tf/blob/master/nnUtils.py – gizzmole