Несколько узлов регрессионного выхода в тензорном потоке
Я относительно новичок в tenorflow и хочу использовать DNNRegressor из tf.contrib.learn для задачи регрессии. Но вместо одного выходного узла я хотел бы иметь несколько (скажем, десять, например).
Как я могу сконфигурировать свой регрессор для настройки множества выходных узлов в соответствии со своими потребностями?
Мой вопрос связан со следующими, уже заданными в SO, но, похоже, нет рабочего ответа (я использую TensorFlow версии 0.11)
2 ответа
Кажется, использование tflearn будет другим выбором.
Обновление: я понимаю, что мы должны использовать Keras как хорошо разработанный API для tenorflow+ theano .
Используя tflearn это работает:
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')
Замените один полностью подключенный слой из 128 узлов здесь на любую сетевую архитектуру, которую вы хотите. И не забудьте выбрать функцию потерь, соответствующую вашей проблеме, например, перекрестную энтропию для классификации.
python 2.7.11, тензор потока 0.10.0rc0, tflearn 0.2.1