如何将DLIB用于神经网络回归
How can I use dlib for a neural network regression?
似乎dlib
需要一个损耗层,该损失层决定如何处理最远的输入层的层。我找不到有关损失层的任何文档,但似乎没有办法只有一定的求和层。
总结最后一层的所有值将正是我对回归所需的内容(另请参见:https://deeplearning4j.org/linear-regression)
我正在考虑编写自定义损失层的文字,但找不到有关此的信息。
那么,我是否在这里监督了一些相应的图层,或者有可能拥有我需要的东西?
dlib中的损失层在DLIB的机器学习页面上的菜单中列出。寻找"损失层"一词。有很多文档。
当前发布的DLIB版本不包括回归损失。但是,如果您从github获取当前代码,则可以使用新的lose_mean_squared图层进行回归。请参阅:https://github.com/davisking/dlib/blob/master/dlib/dnn/loss_abstract.h
相关文章:
- 我的神经网络不起作用 [XOR 问题]
- 神经网络不学习.卡在50%
- OpenCV 3 中的神经网络权重
- 用 Python 训练神经网络并在 C++ 中部署
- 部署在张量流中训练的神经网络来火炬C++的最佳方法是什么?
- 我不确定如何引用此神经网络训练方法中的权重
- 如何在不同的平台/技术中使用经过训练的神经网络?
- 为什么我的神经网络停滞在一定的成本附近?
- 具有静态 std::array 的神经网络比使用动态 C 数组的神经网络慢
- 为什么小型和大型加载的神经网络占用相同数量的 RAM?
- 一维阵列的运动检测(神经网络或其他选项?
- 神经网络和图像分类
- 使用在R中训练的神经网络来预测C 中的新数据
- 神经网络高估了手写数字的输出
- 如何将可重读的神经网络导出到C 中的文件
- 如何在C++程序中连接 MATLAB 中构建的经过训练的神经网络
- 为什么 dlib 的神经网络 xml 导出包含的层参数与训练器指定的参数不同?
- 如何在Caffe中对复发性卷积神经网络进行建模
- Caffe Imagedata神经网络基本示例无法解析模型文件
- 如何将DLIB用于神经网络回归