Tensorflow 是否可能有一个具有多个输出的回归模型？

我正在使用Tensorflow处理CNN回归模型。我想知道是否可以使用回归从我的数据集中估计多个数据？ （换句话说，我想使用头部和双手的位置和旋转来估计人体肩部和肘部的位置（x、y、z）和旋转（俯仰、偏航、滚动）

因此，我的模型的输出应该是每个关节的6个值。（例如：用于弯头） 这也是我的代码示例：（我使用tf.session来训练模型）

---

当然，只需创建第二个输出。不幸的是，我无法告诉您如何对Tensorflow 1.14执行此操作，但在TF2.0中，正如我在另一个模型中所做的那样：

output_categorical = layer.Dense(5, activation="softmax")(dense_layer_out_cat)
output_continuus = layer.Dense(1, activation="sigmoid")(dense_layer_out_con)
model = tf.keras.Model(inputs=[layer_input_categorical, layer_input_categorical_2, layer_input_continuus], \
                       outputs=[output_categorical, output_continuus])
model.compile(optimizer="Nadam", loss=["mse","sparse_categorical_crossentropy"])

在这段代码中，您可以看到一个模型，输出一个回归值和一个分类值（用于分类）。最后就是这样，没有什么大的魔力。只需创建两个带有sigmoid激活的输出层，告诉模型使用这两个层作为输出，定义两个！损失函数（如果你进行6次回归，可能是相同的6次）就是这样。

---

有多个输出也意味着，您当然需要与输出一样多的y标签值，因此在准备数据时请记住这一点。

这是否回答了您的问题@不，它不工作。

output_categorical = layer.Dense(5, activation="softmax")(dense_layer_out_cat)
output_continuus = layer.Dense(1, activation="sigmoid")(dense_layer_out_con)
model = tf.keras.Model(inputs=[layer_input_categorical, layer_input_categorical_2, layer_input_continuus], \
                       outputs=[output_categorical, output_continuus])
model.compile(optimizer="Nadam", loss=["mse","sparse_categorical_crossentropy"])