3D 坐标作为神经网络的输出
3D coordinates as the output of a Neural Network
神经网络主要用于class化。因此，输出层中神经元的激活表示 class 无论你在 class 化。
是否有可能（并且正确）设计一个神经网络来获取 3D 坐标？这是三个输出神经元，每个神经元的值都在范围内，例如 [-1000.0, 1000.0]。
是的。您可以use a neural network to perform linear regression，以及更复杂的回归类型，其中输出层有多个节点，可以解释为 3-D 坐标（或很多 higher-dimensional 元组）。
要在 TensorFlow 中实现这一点，您将创建一个包含三个输出神经元的最终层，每个神经元对应于目标坐标的不同维度，然后最小化当前输出与已知值之间的 root mean squared error每个例子。
神经网络主要用于class化。因此，输出层中神经元的激活表示 class 无论你在 class 化。
是否有可能（并且正确）设计一个神经网络来获取 3D 坐标？这是三个输出神经元，每个神经元的值都在范围内，例如 [-1000.0, 1000.0]。
是的。您可以use a neural network to perform linear regression，以及更复杂的回归类型，其中输出层有多个节点，可以解释为 3-D 坐标（或很多 higher-dimensional 元组）。
要在 TensorFlow 中实现这一点，您将创建一个包含三个输出神经元的最终层，每个神经元对应于目标坐标的不同维度，然后最小化当前输出与已知值之间的 root mean squared error每个例子。