特征和分类器有什么区别？

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

这是什么？你知道吗

我知道在神经网络中，我们有学习的参数，用来存储在训练过程中更新的东西的缓冲区，每一层之后的结果的激活。你知道吗

特征是否与激活相同？什么是分类器？在神经网络中，特征的结束和分类器的开始在哪里？分类器的结果也是激活的吗？你知道吗

Answer 1

我觉得这个问题有点混乱，但我会尽我所能理解你的问题。你知道吗

What here is classifier?

分类器就是模型本身。这个模型在经过训练后，能够对新数据进行分类。你知道吗

Is feature same as activation

我不知道你想要什么样的特征。在数据科学的背景下，特征被理解为数据的变量之一。例如，如果你有一个关于房子的数据集，你可能会有诸如纬度，长度，如果它有一个游泳池，它有多少个卧室等特征

激活函数是决定神经网络输出的数学方程。该函数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（“激发”）。[1]

我不确定我真的理解你的要求。你知道吗

Is the result of a classifier also activation?

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了激活函数。你知道吗

---

希望这有帮助！你知道吗

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