deep-learning - 来自 NVIDIA DIGITS 的线性回归示例的基本问题

Question

我从一整年的每一天都有很多价值观。我想验证它们是否每个月都具有某种相似性（验证这些天的值是否对应于正确的月份和/或预测来自另一个未来年份的未来相同月份）。从https://github.com/NVIDIA/DIGITS/tree/master/examples/regression和替代方法：手动创建 LMDB 文件，我该怎么办？我必须将一整年中所有日子的所有这些值放入 val_db 和 train_db？在此之后，为每个月生成一张测试图像，其中包含这些月的所有天数？或者我必须分别为每个月制作一个 val_db 和 train_db ？谢谢你。

Answer 1

老实说，DIGITS 对你来说可能有点矫枉过正。你不需要太多的计算能力来训练一点逻辑回归问题，结果应该很容易解释。

但是，如果你想在 DIGITS 方面取得进步，你就必须

1. 将您的数据格式化为 CxHxW 数据 blob（可能只有 1x1xN，其中 N 是您拥有的特征数）
2. 将您的标签格式化为 CxHxW 数据 blob（可能只有 1x1x1）
3. 创建一个适用于简单逻辑回归的 Caffe 模型（可能只是一个内积层？）

要获得这方面的帮助，请在我们的用户组上发帖，而不是在 SO 上发帖（遵循README）。