Deeplearning4JでComputation Graphの実装を使用して複雑なニューラルネットワークを構築しようとしています。私は複数の出力を持つ必要があります。そのため、一般的なMultiLayerConfigurationには対応できません。 しかし、私の問題は、この場合、私のモデルの評価方法を知らず、少なくとも精度を知りたいということです。 dl4jのComp Graphsで作業した人はいますか？Comp Graph dl4jで構築されたニューラルネットワークの評価
まずは、はい、多くの人が計算グラフを使用します。彼らは通常、私たちの既存の例から始まり、主にseq2seqのようなもののためにそれを使用する傾向があります。
評価に関するご質問は、概念的にはマルチレイヤーネットワークと同じです。あなたがどのように評価するかは、タスクに特有のものになるでしょう。評価がどこで起こるかを考えるならば、出力レイヤーで常にタスク（分類、回帰、バイナリ分類など）に結びついています。最も一般的なケースでは通常、分類を出力する出力が1つしかありません。その場合、出力する最初の配列を使うことができます。 それ以外の場合、複数の出力があります。評価する内容を定義する必要があります。通常、タスクは1つのパスにマージされます。
出力されない場合は、出力ごとに評価オブジェクトを実行する複数の出力レイヤーを使用します。
計算グラフとマルチレイヤーネットワークは両方とも.outputメソッドを使用して生の配列を与えます。これは通常、eval.evalに渡すものです。