深度学习预测温度
Deep learning to predict the temperature
假设我有一个训练数据。我针对 1、2、3、4、5 度等整数温度训练模型。基本上，那些输出温度就是标签。我如何预测两个温度之间的值，例如 2.5 度。不可能针对每个温度值进行训练。我怎样才能做到这一点？
听起来好像您已经针对离散分类进行了训练，但您想要连续输出。将您的算法切换为进行回归，而不是分类。
另一种可能性是利用您的 last-layer 输出进行插值。使用赋予最佳选择及其最强相邻选择的权重。例如，如果您的分类给出
1 .01
2 .05
3 .56
4 .24
5 .14
...您将插入 56 个部分 3 和 24 个部分 4，以获得 3.7 degrees 作为您的输出。
有帮助吗？
更新
(1) 如何从分类切换到回归？
这对于 Stack Overflow 来说太宽泛了；你需要先做你的研究。两者之间的区别不是微不足道的。您需要提出一个具体问题，这需要发布一个新问题，其中包括您当前的代码和您为进行转换所做的工作。
(2) 当我预测输出值时，我怎么知道我正在寻找 3.7 度...？
虽然你在预测，但你不知道；那将是培训的问题。我给出的示例只是对可能结果的说明。我发明了一个例子，因为你没有提供数据的详细信息。
(3) 我应该select谁的部分？
我建议您采用最靠前的猜测（本应是您的 integer-value 分类的那个），以及相邻值中可能性更大的那个。在我的示例中，3 是最佳猜测。您查看 2 和 4，发现 4 比 2 更有可能，因此使用 4 作为插值的另一个端点。
假设我有一个训练数据。我针对 1、2、3、4、5 度等整数温度训练模型。基本上，那些输出温度就是标签。我如何预测两个温度之间的值，例如 2.5 度。不可能针对每个温度值进行训练。我怎样才能做到这一点？
听起来好像您已经针对离散分类进行了训练，但您想要连续输出。将您的算法切换为进行回归，而不是分类。
另一种可能性是利用您的 last-layer 输出进行插值。使用赋予最佳选择及其最强相邻选择的权重。例如，如果您的分类给出
1 .01
2 .05
3 .56
4 .24
5 .14
...您将插入 56 个部分 3 和 24 个部分 4，以获得 3.7 degrees 作为您的输出。
有帮助吗？
更新
(1) 如何从分类切换到回归？
这对于 Stack Overflow 来说太宽泛了；你需要先做你的研究。两者之间的区别不是微不足道的。您需要提出一个具体问题，这需要发布一个新问题，其中包括您当前的代码和您为进行转换所做的工作。
(2) 当我预测输出值时，我怎么知道我正在寻找 3.7 度...？
虽然你在预测，但你不知道；那将是培训的问题。我给出的示例只是对可能结果的说明。我发明了一个例子，因为你没有提供数据的详细信息。
(3) 我应该select谁的部分？
我建议您采用最靠前的猜测（本应是您的 integer-value 分类的那个），以及相邻值中可能性更大的那个。在我的示例中，3 是最佳猜测。您查看 2 和 4，发现 4 比 2 更有可能，因此使用 4 作为插值的另一个端点。