是否有可能使用TensorFlow创建将某个输入映射到某个输出的神经网络？

Question

我目前正在使用TensorFlow，但似乎无法抓住是否对我的问题有用吗？

我需要创建一个能够将输入映射到输出的神经网络。

现在的进展方式，我还没有做到这一点的一个示例，所有类型的问题TensorFlow似乎解决了分类任务，而不是这种映射问题... TensorFlow是否可以这样做？ ，我是否必须使用其他神经网络框架进行操作？如果有人可以显示某些代码（不是MNIST示例）

我的任务：

我目前正在尝试建立一个接收音频文件样本的神经网络，并从样本中生成MFCC功能。可以手动计算MFCC功能，我知道我要寻找的是什么。 MFCC功能是特征向量是不同的实际值编号。当您将输出拟合到预定的“垃圾箱”时，我不能将我分类为A类或B类，也不能大大降低输出的准确性。

Answer 1

从您的描述来看，您似乎正在面对 回归 问题，因为您希望输出是某些值。这与 分类 问题是输出某些类的输入的概率。

使用神经网络进行回归的关键是，输出层不应具有激活，也就是说，它应该是线性层。正如@janvandervegt指出的那样，回归问题的常见损失函数是当前输出与您计算的MFCC功能之间的均方误差（MSE）。

如果您Google“ TensorFlow回归示例”，则可以找到数十个完整的示例，例如 这个 或者 这个.

Answer 2

您的建议当然是可能的，您只会有 n 输出层中的节点， n 作为MFCC功能向量的大小，您需要定义一个损失功能，以确定当前犯的错误。如果所有功能具有相似的量表和相似的重要性，则可以使用均值错误，但是您可以在这里获得创意。原则上，这与末尾具有软磁层的多类分类没有很大的不同。在这种情况下，您有 C 软磁性层和交叉渗透损失函数后的输出节点，在您的情况下 n 输出层中的节点之后，例如具有MSE损耗函数的完全连接层。为其提供了许多示例，如果数据表示很好，则应合理地完成任务。尽管我不确定如果可以计算出来，为什么要使用ML方法，但您将失去准确性，而我不确定您赢得了多少速度。

一个非常简单的示例，将张量流用于回归任务而不是分类任务是带有梯度下降的线性回归，您可以在此处看到： https://github.com/aymericdamien/tensorflow-examples/blob/master/notebooks/2_basicmodels/linear_regression.ipynb