TensorFlow Learn中的多元回归输出节点

Question

我相对较新于TensorFlow，想要使用tf.contrib.learn中的DNNRegressor进行回归任务。但是，我不只想要一个输出节点，而是想要多个（比如说十个）。

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SO上已经提出的以下问题相关，但似乎没有有效的答案（我正在使用TensorFlow版本0.11） skflow regression predict multiple values Multiple target columns with SkFlow TensorFlowDNNRegressor

- Miguellissimo

---

我也有这个问题！为什么似乎每个人都没有问题？？？ - user40780

Answer 1

看起来使用tflearn将是另一个选择。

更新：我意识到我们应该使用Keras作为tensorflow + theano的一个成熟API。

- user40780

Answer 2

使用tflearn，这个可以工作：

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')

在这里，您可以使用任何网络架构来替换具有128个节点的单个完全连接层。不要忘记选择适合您问题的损失函数，例如分类问题的交叉熵。

Python 2.7.11，TensorFlow 0.10.0rc0，TFLearn 0.2.1

- drenerbas