具有回归的Theano / Lasagne基本神经网络不会过度拟合一号的数据集

Question

我正在使用Theano / Lasagne中的基本神经网络来尝试识别图像中的面部关键点，目前我正试图让它学习单个图像（我刚从训练集中拍摄了第一张图像） 。图像是96x96像素，有30个关键点（输出）需要学习，但它没有这样做。这是我第一次尝试使用Theano / Lasagne，所以我确定我错过了一些明显的东西，但我看不出我做错了什么：

group s by 1 // any constant
into gt

这给了我一个如下图：

我很漂亮这个网络应该可以将损失降到基本为零。我很感激有关此事的任何帮助或想法：）

编辑：删除了丢失和隐藏图层以简化问题。

Answer 1

事实证明，我忘记了改变输出节点功能：

lasagne.nonlinearities.softmax

为：

lasagne.nonlinearities.linear

我用作基础的代码是用于分类问题（例如计算出图片显示的数字），而我正在使用网络来解决回归问题（例如，试图找到图像中某些特征所在的位置） ）。分类问题有几个有用的输出函数，其中softmax就是其中之一，但回归问题需要线性输出函数才能工作。

希望将来帮助其他人：）