我有一个关于更改网络输出层的问题（AlexNet / GoogleNet / ImageNet）。因此标准输出是1x1000 Vector，因此每个类都有一个值。
我知道我可以将输出更改为例如5，所以如果我只有5个类，我会得到1x5 Vector。
但是如果我没有课程怎么办？是否可以将输出更改为18x18之类的矩阵。因为我的网应该输出密度图而不是＆＃34;类＆＃34;。 是否建议使用预先训练好的网络来完成我的任务，还是应该从头开始训练？
感谢您的帮助： - ）
答案 0 :(得分：6)
但如果我没有课程怎么办？
＆＃34; class＆＃34;的概念并没有真正与架构相关联，而是与损失函数本身相关联。换句话说，如果你有1000个输出，你想要在1000个不相交的类中分类，分配1000个标签，还是在1000维实际输出上回归都没关系 - 架构仍然很有意义。
是否可以将输出更改为18x18
等矩阵
＆＃34;天真＆＃34;方法是输出18 * 18 = 324个值并将其视为2维矩阵。然而，2-dim结构表明存在一些可以在架构方面利用的特性，一个典型的特性是平移不变性，这在convnet中被利用，如果你的输出也是如此，你可以考虑去卷积（任何排序，因为你的模型很多。
是否建议使用预训练网进行我的任务？或者我应该从头学习？
这不取决于架构，而是任务。如果您的任务与训练过的网络相似，那么您可以使用预训练的任务作为起点，然后进行微调＆＃34;在新的。一般来说，使用预训练网作为起点是一件安全的事情（它不应该比从头开始训练更糟糕）。请记住训练整个网络，而不仅仅是添加部分（除非您没有足够的数据来训练整个结构）。