我最近下载了Deeplearning for Java（DL4J），现在正在尝试使用卷积网络。我在主页和互联网上找到了一些工作样本，例如如何对图像进行分类，即识别面部。我大致了解如何读取训练数据，并且图像标有网应识别的正确标签（“Barack Obama - Picture 1”）。但是，从这里开始我有点卡住了。我无法理解输出。与http://deeplearning4j.org/image-data-pipeline中描述的一样，我们使用ImageRecordReader读取图像并从中创建训练数据。但是，例如，程序如何知道将一个图像分类为“barack obama”而不是“barack obama - 样本图片1”？或者网络做到了吗？我不这么认为。 我的下一个问题是将应用程序更改为不仅仅识别一个对象，而且还要评估图像，就像在AlphaGo中评估表示为图像的板位置一样。那我怎么输入数据呢？我可以用他们的分数来标记例如训练委员会状态......但我不知道这是不是很好。 我希望这是可以理解的，帮助和最小的样本将不胜感激！
谢谢你，祝你有个美好的一天 奥利弗
答案 0 :(得分：0)
您引用的示例使用野外标记面数据集，该数据集具有以下文件夹结构：
lfw
├── Aaron_Eckhart
├── Aaron_Guiel
├── Aaron_Patterson
│ ├── Aaron_Patterson_0001.jpg
ImageRecordReader类扩展了抽象BaseImageRecordReader类，它在initialize()方法中使用以下行（131-134）来创建标签数组：
File parentDir = imgFile.getParentFile();
String name = parentDir.getName();
if(!labels.contains(name))
labels.add(name);
换句话说，它不使用JPEG文件的名称，而是使用其父文件夹的名称。
至于你的第二个问题：
我的下一个问题是将应用程序更改为不仅仅识别一个对象，而且还要评估图像，就像在AlphaGo中评估表示为图像的板位置一样。 [...]我可以用他们的分数来标记训练委员会状态......但我不知道这是不是很好。
我建议从阅读以下论文开始： http://www.nature.com/nature/journal/v529/n7587/fig_tab/nature16961_F1.html，以及以下大纲：https://www.tastehit.com/blog/google-deepmind-alphago-how-it-works/（特别是从AlphaGo部分开始）。
AlphaGo依赖于两个不同的组件：树搜索过程和指导树搜索过程的卷积网络。 [...]总共训练了三种卷积网络，分为两种：两种策略网络和一种价值网络。两种类型的网络都将当前游戏状态视为输入，表示为图像。
[..]
价值网络提供了对游戏当前状态值的估计：在给定当前状态的情况下，黑人玩家最终赢得游戏的概率是多少？价值网络的输入是整个游戏板，输出是一个数字，表示获胜的概率。
根据游戏的当前状态，政策网络提供有关选择哪种行动的指导。输出是每个可能的合法移动的概率值（即，网络的输出与板一样大）。具有较高概率值的动作（移动）对应于具有较高机会导致获胜的动作。