Neural network 作为神经网络输出的三维坐标
神经网络主要用于分类。因此，输出层神经元的激活表明了你正在分类的类别Neural network 作为神经网络输出的三维坐标,neural-network,coordinates,regression,deep-learning,conv-neural-network,Neural Network,Coordinates,Regression,Deep Learning,Conv Neural Network,神经网络主要用于分类。因此，输出层神经元的激活表明了你正在分类的类别 设计NN以获得3D坐标是否可能（且正确）？也就是说，三个输出神经元的值在一定范围内，例如[-1000.0，1000.0]，每一个 是。您可以选择更复杂的回归类型，其中输出层有多个节点，可以解释为三维坐标（或更高维度的元组） 为了在TensorFlow中实现这一点，您需要创建一个包含三个输出神经元的最后一层，每个神经元对应于目标坐标的不同维度，然后将每个示例的当前输出和已知值之间的距离最小化。取决于您使用的软件包和激活功能，您可
设计NN以获得3D坐标是否可能（且正确）？也就是说，三个输出神经元的值在一定范围内，例如[-1000.0，1000.0]，每一个 是。您可以选择更复杂的回归类型，其中输出层有多个节点，可以解释为三维坐标（或更高维度的元组）
为了在TensorFlow中实现这一点，您需要创建一个包含三个输出神经元的最后一层，每个神经元对应于目标坐标的不同维度，然后将每个示例的当前输出和已知值之间的距离最小化。取决于您使用的软件包和激活功能，您可能希望将值范围[-1000.0,1000.0]规格化为[0,1]或[-1,1]