Dlib - 如何使用 loss_mean_squared_multioutput 训练标签类型？

Question

这里是 ML 和 DLib 初学者，所以如果问题有点绕，请见谅。

我一直在查看Dlib文档中的一些示例项目，大致了解这里找到的示例：

http://dlib.net/dnn_introduction_ex.cpp.html

这个例子看起来很简单，足以让我掌握如何编译一个工作的例子。

然而，我想做的是尝试使用loss_mean_squared_multioutput 层代替示例中的loss_multiclass_log，因为我认为它更适合我的模型。

为了简要描述我遇到的问题，这是一个有 5 个输出的回归问题。在训练时，我想输入一个“图像”，并训练网络了解这 5 个输出中的任何一个输出相对于该输入的价值。

例如，如果我输入（伪代码）：

input = [1, 0, 0, 0, 0, 0, 0, 0]

我希望输出产生这样的结果

output = [0, 0.1, 0, 0.5, -1]

考虑到这一点，如果loss_mean_squared_multioutput 的标签是matrix<float>，我应该这样使用它吗？：

loss_multiclass_log<fc<5...
trainer.train([list of matrix<float>], [list of matrix<float 1, 5> = 0, 0.1, 0, 0.5, -1]);

另外，如果您在阅读后觉得这一切完全被误导和荒谬，请务必纠正我。我将不胜感激。

Answer 1

为了帮助任何可能想知道同样事情的人，Dlib 测试套件中有一个示例 - https://github.com/davisking/dlib/blob/master/dlib/test/dnn.cpp#L2343

如何使用它的想法大多是正确的，但要确保你有以下几点：

loss_multiclass_log<fc<5...

你需要在训练器中使用单列矩阵，像这样：

// Use "matrix<float 5, 1>", not "matrix<float 1, 5>"...
trainer.train(input..., [list of matrix<float 5, 1>...);

希望对您有所帮助。