Tensorflow 同一模型是否可以分类+;预测连续值?
假设我有一组狗的照片。每张照片只有一只狗。单个样本的输出向量是什么样的?如果我希望网络:Tensorflow 同一模型是否可以分类+;预测连续值?,tensorflow,machine-learning,deep-learning,classification,regression,Tensorflow,Machine Learning,Deep Learning,Classification,Regression,假设我有一组狗的照片。每张照片只有一只狗。单个样本的输出向量是什么样的?如果我希望网络: 预测图片中狗的年龄(以天为单位) 把狗的性别分类 对狗的品种进行分类 预测图片中狗鼻子的(x,y)坐标(其中每个坐标值介于0-1之间,表示距离输入图像左上角的百分比) 对于此类问题,您仍然只能使用一种模型 但是,您的模型将具有5层架构,如下所示: 第一个“核心”模型在输入您的狗的照片 第二个模型输入核心模型的输出并预测年龄 第三个模型考虑了核心模型的输入和输出,并预测了性别 第四个模型输入核心模型的输出并
- 预测图片中狗的年龄(以天为单位)
- 把狗的性别分类
- 对狗的品种进行分类
- 预测图片中狗鼻子的(x,y)坐标(其中每个坐标值介于0-1之间,表示距离输入图像左上角的百分比)
- 第一个“核心”模型在输入您的狗的照片
- 第二个模型输入核心模型的输出并预测年龄
- 第三个模型考虑了核心模型的输入和输出,并预测了性别
- 第四个模型输入核心模型的输出并预测品种
- 第五个模型输入核心模型的输出并预测坐标 虽然在理论上是可行的,但为了对所有模型都有好的结果,这可能有点麻烦 这或多或少是谷歌大脑所做的(只是他们的模型更加多样化) PS:对于此类问题,您应该在stats.stackexchange.com或datascience.stackexchange.com上询问他们
- 对于此类问题,您仍然只能使用一种模型
但是,您的模型将具有5层架构,如下所示: