1樓：
如果你用CNN做回歸，我給乙個簡單的思路：
按照key-value對生成資料集之後，不管你是選擇finetuning還是重新訓練，把最後一層的神經元置為1，選擇方差損失函式。
講個簡單的例子，我打算用AlexNet來finetune乙份我自己的資料，那我把最後一層fc8層，也就是分類器，重新命名，把num_output改成1，把損失函式從sotfmax_loss改成EuclideanLoss，基本上效果就已經比較好了，當然這是對單標籤實數，如果是多標籤，那你得多了解一些，但是思路大致是一樣的。
2樓：
看看這個，可能有幫助
Facial keypoints extraction using Caffe
但是caffe對這個做的不夠好，同樣的網路結構，結果不如這裡的Using convolutional neural nets to detect facial keypoints tutorial
3樓：
剛剛在讀caffe的API文件，看到了就順便答一下，傳送門在此
This can be used for least-squares regression tasks. An InnerProductLayer input to a EuclideanLossLayer exactly formulates a linear least squares regression problem. With non-zero weight decay the problem becomes one of ridge regression – see src/caffe/test/test_sgd_solver.
cpp for a concrete example wherein we check that the gradients computed for a Net with exactly this structure match hand-computed gradient formulas for ridge regression.
翻譯一下就是說，乙個全連線層接乙個歐氏距離損失層就可以完成乙個Linear Regression的問題。
如果對應的weight decay是非零的，就變成了ridge regression問題，貌似是嶺回歸？我不太懂……
當然，還有一句：
Note: Caffe, and SGD in general, is certainlynotthe best way to solve linear least squares problems! We use it only as an instructive example.
也就是說，caffe不是為了幹這事而生的，regression有更好的方法，更好的實現。所以如果您問能不能，答案是肯定能；好不好？說不好。
如何用情商解決問題？
微微微小兔 所以，當我媽勸我爸戒酒的時候，我是萬分反對的，因為一旦我爸戒酒我就不知道該給我爸買什麼禮物了，哈哈。平常給我爸買禮物就是各種酒，或者泡酒的藥材。給媽媽買禮物一般都是衣服或者在網上買我們那兒買不到的零食。我先生是Taurus，特別愛錢，他說除了金條他什麼禮物都不要，我也就從來不送禮物了。爺...
Excel中，如何用公式解決問題？
啃烤紅薯 審題不嚴審題不嚴審題不嚴。方法比較笨，是按照最基礎的邏輯堆的公式。修改後公式為 IF A2 IF B1 IF MID B1,FIND B1 1,LEN B1 FIND B1 1 LEFT B1,FIND B1 1 0,CONCATENATE LEFT B1,FIND B1 1 MID B1...
哲學的本質是解決什麼問題？如何用哲學去解決處理身邊的事？那麼多哲學家為什麼最後都沒有好的結局？
楊學志 來，看看本質與日常是如何統一的 依照休謨的認識論，1 1 2的根據是什麼？楊學志的回答 知乎 https www. 袁立巖 哲學家們被生死所困，因為人的經歷決定思考的範疇。但在這些經歷形成之初，人是沒有記憶的。並且人的經歷源於身體對世界的解釋，身體作為與世界交流的媒介，所以人們的科學研究 哲...