Deep learning 使用Caffe进行回归

我有900个训练样本和100个测试样本，每个样本都有一个标签，例如64、136等等。这里，每个样本用大小为460000的一维向量表示

如何使用CAFFE对这些数据进行线性回归？我急需一个解决办法。

---

提前谢谢

可以使用欧几里德层作为损失函数。

这样，只需确保最后一层在protext文件中只有一个neuron output num_output:1

---

您可以在这里查看一些示例：，尤其是Autoencoder使用完全连接的网络和欧几里德损失。

欢迎使用StackOverflow。请阅读并遵循帮助文档中的发布指南。在这里申请。有了所有在线可用的文档和示例，您的研究应该已经将您带到了一个需要发布代码和特定困难的地方。但是网络总是产生相同的输出。看来网络不是在学习。你能告诉我如何解决这个问题吗？如果没有进一步的细节，很难知道，你应该检查在训练期间损失是否在减少，以及其他因素。但是，如果网络总是产生相同的输出，那么您读取最后一层数据的方式可能有问题？你可以一层一层地检查输出，并找出可能发生的事情。。。