Question

我看到了这样的代码

self.feature = model_func()
if loss_type == 'softmax':
    self.classifier = nn.Linear(self.feature.final_feat_dim, num_class)
    self.classifier.bias.data.fill_(0)
elif loss_type == 'dist': #Baseline ++
    self.classifier = backbone.distLinear(self.feature.final_feat_dim, num_class)

其中model_func是ConvNet 4/6或ResNet 10/18/34/101

这是分类器？

我知道在神经网络中，我们拥有学习的参数，用于存储在训练期间更新的内容的缓冲区，作为每一层结果的激活。

特征与激活相同吗，什么是分类器？特征的终点在哪里，神经网络中分类器的起点在哪里？分类器的结果也会激活吗？

Answer 1

我觉得这个问题有点混乱，但是我会根据您的要求尽我所能。

这是分类器？

分类器将是模型本身。该模型是经过训练后能够对新数据进行分类的模型。

与激活功能相同

我不知道您打算使用哪种功能。在数据科学的上下文中，一个功能被理解为一个人拥有的数据的变量之一。例如，如果您有关于房屋的数据集，则可能具有诸如纬度，经度，拥有游泳池，拥有多少间卧室等特征。

激活函数是确定神经网络输出的数学方程式。该功能附加到网络中的每个神经元，并根据每个神经元的输入是否与模型的预测相关来确定是否应激活（“触发”）该功能。 [1]

我不确定我是否真正了解您的要求。

分类器的结果是否也被激活？

分类器的结果是标签，即每个数据点所属的类。神经网络在分类过程中使用激活函数。

希望这会有所帮助！

[1] https://missinglink.ai/guides/neural-network-concepts/7-types-neural-network-activation-functions-right/

特征和分类器有什么区别？

1 个答案: