pytorch - 每次迭代在所有类上使用 CNN / ResNet 进行训练/预测 - 输入数据的串联 + 匈牙利算法

Question

因此，我有一个简单的 pytorch 示例，说明如何通过此链接训练 ResNet CNN 以学习 MNIST 标记：

https://zablo.net/blog/post/using-resnet-for-mnist-in-pytorch-tutorial/index.html

它工作得很好，但我想稍微修改一下，让它做两件事。首先，它不是预测数字，而是预测我正在从事的项目的动物形状/颜色。这已经很好地工作了，并且对此感到满意。

其次，我想破解训练（可能还有层），以便一次在多个图像上并行完成预测。在 MNIST 示例中，基本上预测（或输出）将对我连接的一次具有 10 位数字的图像进行。为清楚起见，每个 10 图像输入将具有数字 0-9，每个仅出现一次。这里的关键是 10 位数字中的每一个都从 CNN/ResNet 获得一个唯一的类/标签，并且每个类都被分配一次。并且具有高置信度的数字将阻止其他置信度较低的数字使用该标签（匈牙利算法类型的方法）。

因此，在我的用例中，我想训练连接图像（而不是单个图像），如下图 A 所示，并强制分类器学习预测每个连接图像的最佳唯一标签，并一次性完成所有操作。这种方法应该优于单一图像分类 - 它对我的动物分类特别有用，因为否则 CNN 有时会为多个动物返回相同的 ID，这在我的应用程序中是不可能的。

我已经可以按下面的图 B 进行系列预测。实际上，查看每个预测的置信度，我能够实施一种类似于匈牙利算法的方法后预测，以在每批 4 只动物中分配最佳（最有信心）的唯一 ID。但这并不总是有效，我想知道 ResNet 是否也可以尝试学习贪婪的匈牙利作业。

特别是，尚不清楚实现 A 只需要增加数据输入，训练集中的标签会自动完成 - 因为我不知道如何惩罚或禁止为每组图像两次返回相同的标签。所以现在我可以像这样生成这些训练数据集：

print (train_loader.dataset.data.shape)
print (train_loader.dataset.targets.shape)
torch.Size([60000, 28, 28])
torch.Size([60000])

我想我希望目标是 [60000, 10]。每个输入图像将是 [1, 28, 28, 10]？但我不确定正确的方法是什么。

任何建议或可用链接？

我认为这是一种特定类型的培训，但我忘记了名称。

标签： pytorchconv-neural-networkmnistresnet