如何在CNTK中训练具有多个输出层的网络？

Question

目标：为图像分类任务训练如下图所示的神经网络。 （输入尺寸可以在图像中看到。）

我已经能够创建网络，但面临以下问题：

1. 指定损失和分类错误函数。
2. 指定要输入train_minibatch字典的输出变量。

我正在使用生成器将数据提供给网络，因此使用train_minibatch来提供数据。此生成器的输出是输入图像，以及包含1个热编码标签的4个项目的列表。

Answer 1

我能够自己解决这个问题。对于这种情况，我们必须为每个分支定义单独的output variables，然后分别将数据提供给它们。

考虑y是4个元素的列表，它们应该是神经网络的输出。我们将如图所示定义我们的数据字典

trainer.train_minibatch( { input_placeholder: x, output_placeholder0: y[0], output_placeholder1: y[1], output_placeholder2: y[2], output_placeholder3: y[3] } )

其他变量如损失，分类错误可以是个别损失的简单总和（这取决于具体的用例）

有关详细信息，请查看我创建上述网络的notebook，提供数据并训练模型。