Deep learning 利用深度学习获得回归的多重输出

给定手的RGB图像和手的关键点的3d位置作为数据集，我想在DL中作为回归问题来做。在这种情况下，输入为RGB图像，输出为关键点的估计3d位置。
我已经看到了一些关于回归的信息，但他们中的大多数人都试图估计一个单一的值。是否有可能同时估计多个值（或输出）

---

现在我已经提到了这一点。这家伙正试图估算图像中一个人的年龄。

只要定义好损失函数，神经网络的输出向量就可以表示任何东西。假设你想要检测（x，y，z）10个关键点的坐标，那么只要有30个元素的长输出向量，比如说（x1，y1，z，x2，y2，Z2……，x10，y10，Z10），其中席，彝，子表示坐标的关键点，基本上你可以使用任何你觉得方便的顺序。小心你的损失函数。假设你想计算RMSE损失，你必须正确地提取三次方，然后计算每个关键点的RMSE损失，或者如果你对线性代数很熟悉，只需将其正确地重塑为3x10矩阵，并将结果也作为3x10矩阵，然后使用

loss = tf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2))) 

---

但是一旦你制定了你的网络，你就必须坚持下去。

非常感谢！你的评论解决了我的问题。