컨볼 루션 신경망을 이용한 회귀 구조

Question

AlexNet 아키텍처를 사용하여 초기에 분류 작업에 사용되는 회귀 문제를 해결하고 싶습니다. 또한 학습 단계에서는 배치 크기에 매개 변수를 포함하려고합니다.

그래서 나는 몇 가지 질문이 있습니다 :

• 내가 회귀를 달성하기 위해 네트워크 아키텍처에서 변경해야합니까? 정확하게 마지막 층에서, 손실 기능 또는 다른 것들.
• 일괄 처리 크기 5를 사용하면 마지막 레이어의 출력 크기는 어떻게됩니까?

감사합니다.

Answer 1

공유하는 것이 도움이 될 것입니다 :

• Q 프레임 워크 : 깊은 학습 프레임 워크 작업중인 및/또는

  을 수정 도움이 필요 코드의 특정 부분을 공유 : 예. TensorFlow, PyTorch, Keras 등

• Q 손실 유형, 출력 크기 : 회귀와 함께 달성하려는 작업은 무엇입니까? 이는 사용하고자하는 손실의 종류, 출력 크기, VGGnet 미세 조정 등에 영향을 미칩니다.

  A : 예. 회색 음영 이미지의 자동 색상 화 (여기서는 example)는 흑백 이미지에서 RGB 채널 픽셀 값을 회귀시키려는 회귀 작업의 예입니다. L2 손실 (또는 성능 향상을 위해 기타 손실)이있을 수 있습니다. 출력 크기는 배치 크기와 무관해야하며 최종 레이어의 출력 크기 (즉, prediction op)로 결정됩니다. 배치 크기는 모델 아키텍처 또는 출력 크기를 변경하지 않고도 변경할 수있는 교육 매개 변수입니다.