我正在设计一个神经网络，希望特征向量的大小与输入向量的大小相等。实际上，我有一个图像（我的输入），我希望对图像中的每个像素进行回归任务（即，我的输出是对每个像素应如何操作的预测）。

然而，我在机器学习方面的经验（新手）似乎表明，输出向量的大小通常比输入向量的小。有什么理由我必须以类似的方式设计我的网络吗？输出特征向量与输入向量一样长有什么潜在的 pitfalls 吗？

回答：

你可以安全地让网络的输出与输入一样大。例如，看看用于语义分割的UNet。在这种情况下，每个像素都有一个输出，代表该像素的类别（分类）。