用卷積神經網絡進行迴歸的體系結構

-2

我想用AlexNet體系結構來解決最初用於分類任務的迴歸問題。此外，對於學習步驟，我想包括一個參數批量大小。用卷積神經網絡進行迴歸的體系結構

所以我有幾個問題：

我需要什麼，在網絡架構改變，實現了迴歸？正是在最後一層，損失函數或其他事情。
如果我使用5的批量大小，最後一層的輸出大小是多少？

謝謝！

來源

2017-09-28 NTJoe

-1

這將是有益的分享：

Q框架：哪些深層學習框架，您正在使用和/或分享具體的一條，你需要幫助的代碼修改

一：例如。 TensorFlow，PyTorch，Keras等。
Q損失類型，輸出大小：您試圖通過迴歸實現什麼任務？這會影響您想要使用的損失類型，輸出尺寸，微調VGGnet等。

答：例如：灰度圖像的自動着色（這裏是example）是迴歸任務的一個例子，您將嘗試從單色圖像中迴歸RGB通道像素值。您可能會有L2損失（或其他損失以提高性能）。輸出大小應該與批量大小無關，它將由最後一層的輸出尺寸決定（即prediction op）。批量大小是一個訓練參數，您可以更改而無需更改模型體系結構或輸出尺寸。

來源

2017-09-28 08:36:32

感謝您的回答！ - 我正在研究TensorFlow 1.3 - 我想使用迴歸進行年齡估計，所以在輸出中我只希望年齡。由於我有一個小數據集，因此我對網絡進行了微調。我的工作基礎是[https://github.com/kratzert/finetune_alexnet_with_tensorflow]。 – NTJoe

在這種情況下，最後一個完全連通/緻密層可以被一個輸出維數爲1的層所取代，損失可能是預測輸出和實際年齡之間的L2損失。然而，在Imagenet上訓練的預訓練AlexNet對於視覺任務很有用，可以通過微調或傳輸學習獲益。我建議重新評估使用Imagenet預訓練網絡進行迴歸任務的需求。僅供參考 - 該鏈接似乎被打破 –

對不起，良好的鏈接https://github.com/kratzert/finetune_alexnet_with_tensorflow。好！所以如果我理解的很好，層fc8（你可以打開叫做「alexnet.py」的文件）可以替換爲「self.fc8 = fc（dropout7，4096，num_out = 1，relu = True，name ='fc8' ）「？你認爲使用VGG更好嗎？ – NTJoe

用卷積神經網絡進行迴歸的體系結構

回答

相關問題