我正在研究一个研究问题，我需要对特征空间中的粗略预测执行分类，然后进行细粒度回归以获得更精确的值。我知道这种回归方式应该有效。我还将主要处理特征图。
我正在考虑使用“堆叠沙漏网络”。我是否需要通过纯粹的实验来识别这一点，或者有人可以直观地消除一些可能性，即特定架构可能不适合我的问题。
我发现堆叠沙漏网络本质上可以放大和缩小热图，但现在对更改用于顺序分类和回归任务的模型感到困惑。任何线索都会受到欢迎。
如何直观地了解哪种深度学习架构适合我的问题
数据挖掘
深度学习
回归
卷积神经网络
2022-02-24 06:44:05
1个回答
“堆叠沙漏”网络是端到端学习的一个例子，误差梯度是整个网络的反向传播。
鉴于您正在尝试拟合两种不同类型的模型，分类和回归，进行端到端学习可能会很棘手。构建和训练一个模型可能更有意义，然后让该模型的训练输出成为下一个模型的输入。然后训练下一个模型。
其它你可能感兴趣的问题