我目前正在使用tensorflow来创建一个神经网络，它复制了在给定输入的情况下创建特定输出的功能。
此情况下的输入是采样音频，音频正在生成MFCC功能。知道每个文件对应的MFCC功能是什么，但不确定我应该如何设置神经网络。
我正在关注本指南/教程http://www.kdnuggets.com/2016/09/urban-sound-classification-neural-networks-tensorflow.html/2
它说神经网络就是这样设置的
training_epochs = 5000
n_dim = tr_features.shape[1]
n_classes = 10
n_hidden_units_one = 280
n_hidden_units_two = 300
sd = 1 / np.sqrt(n_dim)
learning_rate = 0.01
我的问题是我如何定义类的数量？我的意思是，我计算的实际值不是分为类，而是十进制数，所以我应该创建具有不同类数的多个网络，并选择具有最小误差的网络到原始值，或者是否有一个tensorflow命令可以做到这一点，因为我正在监督学习..
答案 0 :(得分：0)
神经网络可用于分类任务或回归任务。在tutorial中，作者希望将声音分为10个不同的类别。所以神经网络有10个输出神经元（n_classes），它们的每个激活值都给出了输入声音类的成员概率。
在我们的例子中，你想用一个十进制数字来映射一个给定的声音（这对吗？），所以它是一个回归任务：神经网络必须学习一个未知的函数。输出神经元的数量必须等于我们未知函数的输出维数（如果它只是一个十进制数，则为1）。
因此，如果您希望为回归任务保留相同的架构，只需设置n_classes = 1并将y_修改为
y_ = tf.matmul(h_2,W) + b
因为tf.nn.softmax将最终得分转换为概率（它对分类有好处，但不适用于回归）