Machine learning 训练信任网络以识别多个类别？
DeepFaith框架的学习示例演示了如何训练神经网络来识别一个对象类别。用于培训Machine learning 训练信任网络以识别多个类别？,machine-learning,computer-vision,neural-network,caffe,object-recognition,Machine Learning,Computer Vision,Neural Network,Caffe,Object Recognition,DeepFaith框架的学习示例演示了如何训练神经网络来识别一个对象类别。用于培训jpcnn\u train（）的方法没有类别标签参数 然而，在一个简单的例子中，给定的神经网络可以对多个对象类别进行分类。有没有办法通过深信不疑来进行这种训练？或者我应该看看Caffe并使用它，因为DeepFaith是基于Caffe的？基于他们的文档，特别是关于函数的文档，它似乎不支持定制标签的开箱即用的多类分类。它似乎支持ImageNet标签的多类分类 但是，您可以训练多个预测器（），每个自定义类一个，然后选择相
jpcnn\u train（）然而，在一个简单的例子中，给定的神经网络可以对多个对象类别进行分类。有没有办法通过深信不疑来进行这种训练？或者我应该看看Caffe并使用它，因为DeepFaith是基于Caffe的？基于他们的文档，特别是关于函数的文档，它似乎不支持定制标签的开箱即用的多类分类。它似乎支持ImageNet标签的多类分类
但是，您可以训练多个预测器（），每个自定义类一个，然后选择相应预测器输出最高值的类。我不能使用这种方法，因为我需要一个可以对多个对象进行分类的网络。然而，作者给我回了一封电子邮件，并告诉我调查libSVM。如果我能成功，我会发布一个答案！