(tesnsorflow)分類問題で複数解を得る方法をご教授ください

Question

下記コードはmnistの手書き数字データなので、それぞれの画像1枚につき一つの答え（0~9のうち一つ）を持ちますが、
例えば、動物園で撮った写真に「ぞう」「きりん」「うし」が映っている場合
「ぞう・きりん・うし」という複数解を得たい場合があります。その場合どうすべきでしょうか？
（「しか・らいおん・へび・ぱんだ・うし・くじゃく・きりん」の７つの回答が与えられてるとします。）
ご教授お願いいたします。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')# (7, activation='softmax')
])
model.compile(
  optimizer='adam',
  loss='sparse_categorical_crossentropy',
  metrics=['accuracy']
)

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test, y_test, verbose=2)

Answer 1

参考ページ1：URL
参考ページ2：URL
動物の名前ではなくmnistでの記述ですが、上記のページを参考に解決致しました。ただし下記のコードでは与えたラベルがすべて同じなので意味のある結果にはなりませんが、四種類のアウトプットが可能です。

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

mnist = tf.keras.datasets.mnist
(x_train, y_train1), (x_test, y_test1) = mnist.load_data()
y_train2, y_train3, y_train4 = y_train1, y_train1, y_train1
y_test2, y_test3, y_test4 = y_test1, y_test1, y_test1
x_train, x_test = x_train / 255.0, x_test / 255.0

inp = layers.Input(shape=(28, 28))
x = layers.Flatten()(inp)
x = layers.Dense(128, activation='relu')(x)
x = layers.Dropout(0.5)(x)
output1 = layers.Dense(10, activation='softmax', name='output1')(x)
output2 = layers.Dense(10, activation='softmax', name='output2')(x)
output3 = layers.Dense(10, activation='softmax', name='output3')(x)
output4 = layers.Dense(10, activation='softmax', name='output4')(x)
multiModel = keras.Model(inp, [output1, output2, output3, output4])
multiModel.compile(loss={'output1': 'sparse_categorical_crossentropy',
                         'output2': 'sparse_categorical_crossentropy',
                         'output3': 'sparse_categorical_crossentropy',
                         'output4': 'sparse_categorical_crossentropy'},
                   optimizer="adam",
                   metrics=['accuracy'])

# early stopping and model checkpoint
es_cb = keras.callbacks.EarlyStopping(monitor='val_loss', patience=3, verbose=1, mode='auto')
chkpt = "./chkpt.hdfs"
cp_cb = keras.callbacks.ModelCheckpoint(filepath=chkpt, monitor='val_loss', verbose=1, save_best_only=True, mode='auto')

# train model
history = multiModel.fit(x_train,
                         {'output1': y_train1,
                          'output2': y_train2,
                          'output3': y_train3,
                          'output4': y_train4},
                         epochs=5,
                         validation_data=(x_test,
                                          {'output1': y_test1,
                                           'output2': y_test2,
                                           'output3': y_test3,
                                           'output4': y_test4}),
                         callbacks=[es_cb, cp_cb])

Answer 2

多ラベル分類
マルチラベル分類

あたりでググってみてください