[英]How to train tensorflow model when some outputs do not matter?
例如我想训练具有2个输出的tensorflow模型。 如果第一个输出为1,那么我查看第二个输出,但是如果第一个输出为0,则第二个输出无关紧要。 当第一个输出为0或我必须指定所有输出时,tensorflow中是否有一种方法可以将第二个输出的错误设置为0。 抱歉,这是一个愚蠢的问题,但是我是tensorflow的新手。
更好的例子。 我想检查所馈送的图像中是否有一个点。 我的模型有5个输出。 第一个预测图像中是否有一个点(值从0到1)。接下来的4个输出显示图像中该点的位置(位置,宽度和高度)。 因此,如果我用不带点的图像填充模型,应该在输出中输入什么。 [0,任何东西,任何东西,任何东西,任何东西]或[0,0,0,0,0]。 如果是第一个,该怎么做。
您需要定义损失,以便如果第一部分为零,则不考虑输出的第二部分。 如果图像中没有点,则可以对后4个数字使用任意数字,因为如果第一个数字为零,则不会将其视为您的损失。 我希望这有帮助。
更多阅读:Faster-RNN论文中的目标检测和锚定框的概念可能有助于理解其工作原理: https : //arxiv.org/pdf/1506.01497.pdf
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.