张量流学习中的多个回归输出节点答案

【问题标题】：Multiple regression output nodes in tensorflow learn张量流学习中的多个回归输出节点
【发布时间】：2016-10-08 17:39:37
【问题描述】：

我对 tensorflow 比较陌生，想使用 tf.contrib.learn 中的 DNNRegressor 进行回归任务。但不是一个输出节点，我想要几个（例如十个）。

如何配置我的回归器以调整多个输出节点以满足我的需求？

我的问题与已在 SO 上提出的以下问题有关，但似乎没有有效的答案（我使用的是 TensorFlow 版本 0.11）

skflow regression predict multiple values

Multiple target columns with SkFlow TensorFlowDNNRegressor

【问题讨论】：

我也有这个问题！为什么每个人似乎都没有问题？？？

标签： python tensorflow skflow

【解决方案1】：

似乎使用 tflearn 将是另一种选择。

更新：我意识到我们应该使用 Keras 作为 tensorflow+ theano 开发良好的 API。

【讨论】：

【解决方案2】：

使用 tflearn 可以：

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')

将此处的 128 个节点的单个全连接层替换为您想要的任何网络架构。并且不要忘记选择适合您问题的损失函数，例如用于分类的交叉熵。

python 2.7.11，张量流 0.10.0rc0，tflearn 0.2.1

【讨论】：