多個 Output 預測（機器學習）

Question

我在學習機器學習（keras/tensorflow）的新方面，並且很好奇如何建立一個網絡來接收一些輸入（具有 x 通道/特征的“圖像”）並能夠預測更多不是基於此輸入的一個值。 我見過回歸模型，但我見過的模型只預測一個值，這並不是我真正想要設置問題的方式。 我設置了一個測試神經網絡，其中包含我想要進行多少預測的密集層，但這些預測似乎只預測一個值，這不一定是 output 應該是的值（我認為 NN 將自身優化到某個值並收斂到這個值）。 任何幫助將不勝感激。 我也是在這里發帖的新手，所以如果我可以做些什么來發布更好的問題，請告訴我。 我見過的最接近預測某種張量的是 RNN，但我不確定這是否會實現這一點。

Answer 1

我不確定您是在談論能夠預測多個標簽的模型設計，還是只是實施問題。

您可以簡單地對模型的 output 的分數進行排序，並將 top-N 最高的作為預測。 但是，如果您談論的是如何設計 model，那么還有很多工作要做。 例如查看這篇論文。