我理解卷积的维数、最大池化和密集作为步幅和内核大小的函数。但是我很难理解如何使用这些层来得出我的最终预测，这应该是一个连续变量。
这是我正在使用的内容：
X 训练：n 个大小为 46x46x46 的 2 通道 3D 网格，形状：(n, 46, 46, 46, 2)
Y训练：连续值的n元素向量，形状：(n,)
我想会有一些调整大小和一些连接。但是，如果我实际上不了解它在做什么，那么这样做是没有意义的。
如何让 CNN 预测一个连续值？
数据挖掘
机器学习
神经网络
深度学习
卷积
美国有线电视新闻网
2021-09-17 04:05:53
3个回答
一种常见的方法是在最后一个卷积层之后展平输出，并将其传递给全连接层。
你需要做什么：
- 确保用于训练和测试数据的输出向量正是您所需要的，对于输出向量的每个元素都是连续的。
- 使用您所说和熟悉的内容用于最后一层之前的层。
- 对于最后一层，使用具有 n 个输出的密集层，每个输出具有线性激活，y = x。
您需要使用线性回归器而不是逻辑回归器。两者之间的区别在于，后者用于“分类”事物，而前者根据您的需要提供连续输出。为了得到
...“一个连续变量”...
如果您使用 Keras，则需要使用 KerasRegressor。scikit-learn、caffe 等其他系统中也存在类似的功能。
这是一个很好的例子（用 Keras 编写），它描述了如何使用 Keras 机器学习库来预测房价（一个连续值）。这是scikit-learn 的内容，这里是使用 caffe 进行线性回归的教程。
查看这个StackOverflow 帖子，深入分析线性回归和逻辑回归之间的差异。
其它你可能感兴趣的问题