我很乐意直接使用tensorflow（python）以及使用keras构建模型。到目前为止，我所构建的所有模型都是传统的直接处理，从输入图像到softmax输出。我真的很惊讶它是多么直白。
我现在想要训练分类和回归的模型。这个斯坦福CNN课程CS231n的第16张完全我想要做什么。我真的不清楚（实际上，我有NFI）如何分支张量流图，创建两个损失函数并正确地反向传播它们。
有人能指点我一个代码示例吗？非常感谢。
答案 0 :(得分：0)
回应评论中的问题：
我还没有解决这些问题，但是这里有一些一般性想法。
理想情况下，有利于回归的（共享）权重也应适用于分类。在这种情况下，loss_weights无关紧要，因为两个损耗都应将权重推向相同的方向。您应该确保loss * loss_weight的平均幅度大致相同，以使一次损失不会被完全忽略。
如果您发现头部在搏斗，即可以训练一个单独的回归模型，比与分类一起训练的精度高得多，则可以更早地分出头部（以便它们共享更少的权重，自己拥有更多的专业层）或只训练两个单独的模型。还有大量有关多任务训练的研究论文，它们使您可以分享更多的权重来完成不同的任务。