Ich werde ein neuronales Netzwerk aufbauen, das eine Architektur von mehr als einer Ausgangsebene hat. Spezifischer ist es entworfen, um parallele Prozeduren auf einer Reihe von Faltungsschichten aufzubauen. Ein Zweig soll Klassifizierungsergebnisse (softmax-like) berechnen; der andere ist, Regressionsergebnisse zu erhalten. Ich bin jedoch dabei, das Modell zu entwerfen und Verlustfunktionen (Kriterien) zu wählen.Torch Implementierung von Multi-Output-Schicht neuronales Netzwerk
I. Sollte ich den Brennerbehälter nn.Parallel()
oder nn.Concat()
für die Zweigschichten oben auf Conv-Schichten (nn.Sequential()
) verwenden? Was ist der Unterschied außer dem Datenformat?
II. Aufgrund von Ausgabedaten sind eine Klassifikationsverlustfunktion und eine Regressionsverlustfunktion linear zu kombinieren. Ich frage mich, ob nn.MultiCriterion()
oder nn.ParallelCriterion()
in Bezug auf bestimmte Container gewählt werden. Oder ich muss eine neue Kriteriumsklasse anpassen.
III. Könnte jemand, der ähnliche Arbeit geleistet hat, mir sagen, ob Fackel zusätzliche Anpassung benötigt, um Backprop für das Training zu implementieren. Ich beschäftige mich mit der Frage der Datenstruktur von Brennerbehältern.