我对 tensorflow 比较陌生，想使用 tf.contrib.learn 中的 DNNRegressor 来执行回归任务。但不是一个输出节点，我想要几个（例如十个）。
如何配置我的回归器以调整许多输出节点以满足我的需求？
我的问题与已在 SO 上提出的以下问题有关，但似乎没有有效的答案（我使用的是 TensorFlow 0.11 版）
问问题
2044 次
2 回答
1
似乎使用 tflearn 将是另一种选择。
更新：我意识到我们应该使用 Keras 作为 tensorflow+ theano 开发良好的 API。
于 2016-10-14T09:41:51.500 回答
0
使用tflearn可以：
net = tfl.input_data(shape=[None, n_features1, n_features2], name='input')
net = tfl.fully_connected(net, 128, activation='relu')
net = tfl.fully_connected(net, n_features, activation='linear')
net = tfl.regression(net, batch_size=batch_size, loss='mean_square', name='target')
将此处的 128 个节点的单个全连接层替换为您想要的任何网络架构。并且不要忘记选择适合您问题的损失函数，例如用于分类的交叉熵。
python 2.7.11，张量流 0.10.0rc0，tflearn 0.2.1
于 2016-10-20T21:19:13.417 回答