当CUDA ConvNet的输出是图像而不是类标签时，如何在MATLAB中使用CUDA ConvNet？
我想用ConvNet工具箱在MATLAB中训练一个基于卷积神经网络的系统。我想得到一个恢复后的图像作为它的输出。正如我研究ConvNet的页面所得到的，它的输出应该是输入图像的类标签。当CUDA ConvNet的输出是图像而不是类标签时，如何在MATLAB中使用CUDA ConvNet？,matlab,machine-learning,deep-learning,conv-neural-network,Matlab,Machine Learning,Deep Learning,Conv Neural Network,我想用ConvNet工具箱在MATLAB中训练一个基于卷积神经网络的系统。我想得到一个恢复后的图像作为它的输出。正如我研究ConvNet的页面所得到的，它的输出应该是输入图像的类标签。 我该如何训练我的系统？这对我来说没有意义。为什么输出是图像？如果你想进行某种图像重建，你可能需要在每像素的基础上分配一个类标签。在输出层指定一个图像是没有意义的。@rayryeng我怎样才能为每个像素指定一个用于重建的类标签？例如，它是32*32图像作为基于CNN的系统的输入。我如何将卷积层的输出与基本真值（均方
我该如何训练我的系统？这对我来说没有意义。为什么输出是图像？如果你想进行某种图像重建，你可能需要在每像素的基础上分配一个类标签。在输出层指定一个图像是没有意义的。@rayryeng我怎样才能为每个像素指定一个用于重建的类标签？例如，它是32*32图像作为基于CNN的系统的输入。我如何将卷积层的输出与基本真值（均方意义上）进行比较以了解参数？这需要大量的训练数据，而您可能无法访问这些数据。从机器学习的角度来看，图像恢复通常是在无监督的情况下进行的。尝试使用自动编码器：@rayryeng非常感谢。然而，我没有找到解决办法！不知道。对不起，这对我来说没有意义。为什么输出是图像？如果你想进行某种图像重建，你可能需要在每像素的基础上分配一个类标签。在输出层指定一个图像是没有意义的。@rayryeng我怎样才能为每个像素指定一个用于重建的类标签？例如，它是32*32图像作为基于CNN的系统的输入。我如何将卷积层的输出与基本真值（均方意义上）进行比较以了解参数？这需要大量的训练数据，而您可能无法访问这些数据。从机器学习的角度来看，图像恢复通常是在无监督的情况下进行的。尝试使用自动编码器：@rayryeng非常感谢。然而，我没有找到解决办法！不知道。很抱歉