用卷积神经网络进行回归的体系结构

-2

我想用AlexNet体系结构来解决最初用于分类任务的回归问题。此外，对于学习步骤，我想包括一个参数批量大小。用卷积神经网络进行回归的体系结构

所以我有几个问题：

我需要什么，在网络架构改变，实现了回归？正是在最后一层，损失函数或其他事情。
如果我使用5的批量大小，最后一层的输出大小是多少？

谢谢！

来源

2017-09-28 NTJoe

-1

这将是有益的分享：

Q框架：哪些深层学习框架，您正在使用和/或分享具体的一条，你需要帮助的代码修改

一：例如。 TensorFlow，PyTorch，Keras等。
Q损失类型，输出大小：您试图通过回归实现什么任务？这会影响您想要使用的损失类型，输出尺寸，微调VGGnet等。

答：例如：灰度图像的自动着色（这里是example）是回归任务的一个例子，您将尝试从单色图像中回归RGB通道像素值。您可能会有L2损失（或其他损失以提高性能）。输出大小应该与批量大小无关，它将由最后一层的输出尺寸决定（即prediction op）。批量大小是一个训练参数，您可以更改而无需更改模型体系结构或输出尺寸。

来源

2017-09-28 08:36:32

感谢您的回答！ - 我正在研究TensorFlow 1.3 - 我想使用回归进行年龄估计，所以在输出中我只希望年龄。由于我有一个小数据集，因此我对网络进行了微调。我的工作基础是[https://github.com/kratzert/finetune_alexnet_with_tensorflow]。 – NTJoe

在这种情况下，最后一个完全连通/致密层可以被一个输出维数为1的层所取代，损失可能是预测输出和实际年龄之间的L2损失。然而，在Imagenet上训练的预训练AlexNet对于视觉任务很有用，可以通过微调或传输学习获益。我建议重新评估使用Imagenet预训练网络进行回归任务的需求。仅供参考 - 该链接似乎被打破 –

对不起，良好的链接https://github.com/kratzert/finetune_alexnet_with_tensorflow。好！所以如果我理解的很好，层fc8（你可以打开叫做“alexnet.py”的文件）可以替换为“self.fc8 = fc（dropout7，4096，num_out = 1，relu = True，name ='fc8' ）“？你认为使用VGG更好吗？ – NTJoe

用卷积神经网络进行回归的体系结构

回答

相关问题