我對tensorflow比較陌生，想用tf.contrib.learn中的DNNRegressor做迴歸任務。但是，不是一個輸出節點，我想有幾個（比如說十個）。張量流中的多回歸輸出節點學習
如何配置我的迴歸器來調整許多輸出節點以適合我的需求？
我的問題是有關以下的人已經問的SO，但似乎沒有工作的答案（我使用TensorFlow版本0.11）
skflow regression predict multiple values
Multiple target columns with SkFlow TensorFlowDNNRegressor
似乎使用tflearn將是另一種選擇。
更新：我知道我們應該使用Keras作爲tensorflow + theano的開發良好的API。
使用tflearn這個工程：
net = tfl.input_data(shape=[None, n_features1, n_features2], name='input')
net = tfl.fully_connected(net, 128, activation='relu')
net = tfl.fully_connected(net, n_features, activation='linear')
net = tfl.regression(net, batch_size=batch_size, loss='mean_square', name='target')
替換在這裏與你想要的任何網絡架構128個節點的單完全連接層。不要忘記選擇適合您的問題的損失函數，例如，用於分類的交叉熵。
python 2.7.11，tensorflow 0.10.0rc0，tflearn 0.2.1
我也有這個問題！爲什麼每個人似乎都沒有問題？ – user40780