class_loss에 대해서 질문 있습니다.

Question

loss.py에 서 class loss를 구하는 과정에 label값으로 사용되는 P 에 tf.one_hot 이 적용되는데, 그렇다면 prediction값으로 사용되는 pred_P 는 class에 대한 probability이기 때문에 ( pred_P[:, :, 0] + pred_P[:, :, 1] ) == 1이 만족해야 하지 않나요? 아니면 probability가 아니여도 괜찮은건가요? 코드에서 사용된 pred_P는 class에 대한 probability가 아닌 것 같아 질문 드립니다. 그리고 one-hot은 단일 label에 적용되는 것이 아닌, 전체 label에 적용해야 하는데, 인자로 사용된 label[4]은 단일 label값만 가져오는 것 같습니다. 만일 코드를 단일 class에 대한 detection이 아닌, 여러 class에 대한 detection으로 변경한다면 tf.one_hot의 전달인자가 label[4]이 아닌, label number list가 들어가야 된다구 생각하는데... 제가 이해한게 맞을까요?

AISchool · Answer

안녕하세요~. 반갑습니다. 1. pred_P 값이 다 더하면 1이되는 확률값이 되어야하는게아닌가? 지금은 다 더하면 1이되는 제약조건이 없는것이 아닌가? -> 맞습니다. 현재는 다 더하면 1이되는 제약조건이 없어서 다 더하면 1이되는 형태로 가이드할뿐 명확하게 다 더하면 1이 되도록 제한하는 형태는 아닙니다. 어차피 prediction 시점에 class label 개수만큼의 예측값 중에서 확신의 정도가 가장 큰값을 argmax로 선택하기때문에 큰 문제가 되는 부분은 아닙니다. 2.  그리고 one-hot은 단일 label에 적용되는 것이 아닌, 전체 label에 적용해야 하는데, 인자로 사용된 label[4]은 단일 label값만 가져오는 것 같습니다. 만일 코드를 단일 class에 대한 detection이 아닌, 여러 class에 대한 detection으로 변경한다면 tf.one_hot의 전달인자가 label[4]이 아닌, label number list가 들어가야 된다구 생각하는데... 제가 이해한게 맞을까요? -> label[4]가 전달하는 것은 클래스의 integer encoding 된 값이고, tf.one_hot API는 Integer Encoding 된 값을 num_classes크기만큼의 one-hot encoding 행렬로 자동변환해주는 형태로 동작합니다. 따라서 레이블값을 리스트로 넣을 필요는 없습니다. P = tf . one_hot ( tf . cast ( label [ 4 ], tf . int32 ), num_classes , dtype = tf . float32 ) 예를 들어, tf.one_hot(2(=label[4]), 3) -> [0 0 1] 형태로 변환해줍니다. 더자세한 내용은 아래를 참조하세요. https://www.tensorflow.org/api_docs/python/tf/one_hot 감사합니다.