我想训练一个有多个输出层的网络。
in->hidden->out 1
->out 2
这可能吗？如果是这样，我如何设置数据集和培训师来完成培训。
答案 0 :(得分：1)
在考虑拆分输出以获得多个SoftMax区域时，可以使用PyBrain提供的PartialSoftmaxLayer。
请注意，它仅限于相同长度的切片，但如果您需要自定义输出图层，则其代码可以激发您的灵感：
https://github.com/pybrain/pybrain/blob/master/pybrain/structure/modules/softmax.py
答案 1 :(得分：0)
没有。您可以拥有多个隐藏图层，例如
in - ＆gt;隐藏1 - ＆gt;隐藏2 - ＆gt;出
或者，您可以拥有多个输出神经元（在单个输出层中）。
从技术上讲，你可以设置任何神经元和层的排列，然后按照你喜欢的方式连接它们，并随意调用它们，但上面是这样做的一般方法。
答案 2 :(得分：0)
作为程序员，对你来说会更有用，但是如果你想拥有两个不同的输出，你总是可以将输出连接成一个向量，并将其用作网络的输出。
in --> hidden --> concatenate([out1, out2])
这种方法的一个可能的重大缺点是，如果两个输出具有不同的比例，那么连接将扭曲用于训练网络的误差度量。
但是，如果您能够使用两个单独的输出，那么您仍然需要解决此问题，可能会以某种方式加权您使用的两个错误指标。
此问题的潜在解决方案可能包括定义自定义错误指标（例如，通过使用加权平方误差或加权交叉熵的变量）和/或标准化两个输出数据集，以使它们以共同的比例存在。 / p>