Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
为什么“softmax_cross_entropy_with_logits_v2”反向传播到标签中
我想知道为什么在 Tensorflow 1 5 0 及更高版本中 softmax cross entropy with logits v2默认反向传播到标签和逻辑 您希望在哪些应用程序 场景中反向传播到标签中 我看到下面的 github 问
tensorflow
machinelearning
neuralnetwork
crossentropy
Keras VGG16 微调
上有VGG16微调的例子喀拉斯博客 但我无法重现它 更准确地说 以下代码用于在没有顶层的情况下初始化 VGG16 并冻结除最顶层之外的所有块 WEIGHTS PATH NO TOP https github com fchollet dee
python
neuralnetwork
Keras
deeplearning
VGGNet
AttributeError:使用自定义生成器在 Keras 模型上调用 fit 时,“tuple”对象没有属性“rank”
我想构建一个具有两个输入的神经网络 用于图像数据和数字数据 所以我为此编写了自定义数据生成器 这train and validation数据框包含 11 列 image name 图像的路径 9个数字特征 target 项目的类 最后一列
python
tensorflow
Keras
deeplearning
neuralnetwork
谷歌 Deep Dream 艺术:如何在神经网络中选择一个层并对其进行增强
我对 Google 最近发表的一篇博客文章感兴趣 该文章描述了nn创造艺术 我对一项技术特别感兴趣 在这种情况下 我们只需向网络提供任意图像或照片 然后让网络分析该图片 然后我们选择一个层并要求网络增强它检测到的任何内容 网络的每一层都处理
artificialintelligence
neuralnetwork
deeplearning
caffe
deepdream
Keras:制作神经网络来查找数字的模数
我是一位经验丰富的 Python 开发人员 但在机器学习方面完全是新手 这是我第一次尝试使用 Keras 你能告诉我我做错了什么吗 我正在尝试制作一个神经网络 它接受二进制形式的数字 并在除以 7 时输出其模数 我的目标是执行一个非常简单的
python
tensorflow
machinelearning
Keras
neuralnetwork
如何更改 Keras 优化器代码
我对 Keras 很陌生 所以如果我的查询有点愚蠢 请原谅我 我使用默认方法在系统中安装了 Keras 并且运行良好 我想向 Keras 添加一个新的优化器 以便我可以在 model compile 函数下轻松提及 optimizer my
python
GitHub
neuralnetwork
deeplearning
Keras
Keras 用于多任务学习神经网络的顺序 API 与函数式 API
我想为多任务深度学习任务设计一个神经网络 在 Keras API 中 我们可以使用 顺序 或 函数 方法来构建这样的神经网络 下面我提供了用于构建网络的代码 使用两种方法构建具有两个输出的网络 顺序 seq model Sequential
python
Keras
functionalprogramming
neuralnetwork
Sequential
TensorFlow:使用 tf.merge_all_summaries() 时出现 PlaceHolder 错误
我收到占位符错误 我不知道这意味着什么 因为我正确映射sess run y y X X 我在这里提供了一个功能齐全的 MWE 来重现错误 import tensorflow as tf import numpy as np def init
python
neuralnetwork
tensorflow
为什么神经网络的权重应该初始化为随机数? [关闭]
Closed 这个问题不符合堆栈溢出指南 目前不接受答案 我正在尝试从头开始构建一个神经网络 所有人工智能文献都一致认为 权重应该初始化为随机数 以便网络更快地收敛 但为什么神经网络初始权重被初始化为随机数呢 我在某处读到这样做是为了 打破
如何检查 keras 是否使用 GPU 版本的tensorflow?
当我运行 keras 脚本时 我得到以下输出 Using TensorFlow backend 2017 06 14 17 40 44 621761 W tensorflow core platform cpu feature guard
python
tensorflow
neuralnetwork
Keras
为什么识别 XOR 运算符的反向传播神经网络需要偏置神经元?
我发布了一个question昨天关于我的 XOR 运算符的反向传播神经网络遇到的问题 我做了更多的工作 意识到这可能与没有偏置神经元有关 我的问题是 偏置神经元的一般作用是什么 它在识别 XOR 运算符的反向传播神经网络中的作用是什么 是否
什么是卷积神经网络中的“线性投影”[关闭]
Closed 这个问题不符合堆栈溢出指南 目前不接受答案 我正在阅读剩余学习 我有一个问题 3 2中提到的 线性投影 是什么 一旦得到这个看起来很简单 但无法理解 有人可以提供简单的例子吗 首先 重要的是要了解什么x y and F以及为什
machinelearning
neuralnetwork
convneuralnetwork
deepresidualnetworks
损失与准确率之间的关系
在训练 CNN 模型时 实际上有可能在每个时期减少损失并降低准确度吗 我在训练时得到以下结果 有人可以解释发生这种情况的可能原因吗 至少有 5 个原因可能导致此类行为 异常值 假设您有 10 张完全相同的图像 其中 9 张属于类别A一个属于
machinelearning
neuralnetwork
deeplearning
Keras
convneuralnetwork
激活函数的导数及其在反向传播中的使用[关闭]
Closed 这个问题不符合堆栈溢出指南 目前不接受答案 我在读this文件中 他们表示权重调整公式是这样的 新权重 旧权重 学习率 delta df e de 输入 The df e de部分是激活函数的导数 通常是 sigmoid 函数
Math
artificialintelligence
machinelearning
neuralnetwork
对于张量流中的二元分类,成本函数始终返回零
我在张量流中编写了以下有问题的二进制分类程序 无论输入是什么 成本始终为零 我正在尝试调试一个较大的程序 该程序没有从数据中学习任何内容 我已经将至少一个错误缩小到总是返回零的成本函数 给定的程序使用一些随机输入并且存在相同的问题 self
python
machinelearning
tensorflow
neuralnetwork
artificialintelligence
如何从 PySpark MultilayerPerceptronClassifier 获取分类概率?
我在 python 中使用 Spark 2 0 1 我的数据集位于 DataFrame 中 因此我使用 ML 不是 MLLib 库进行机器学习 我有一个多层感知器分类器 但只有两个标签 我的问题是 是否不仅可以获得标签 还可以获得 或仅 该
apachespark
machinelearning
neuralnetwork
PySpark
apachesparkml
softmax函数的导数解释[关闭]
Closed 这个问题不符合堆栈溢出指南 目前不接受答案 我正在尝试计算 softmax 激活函数的导数 我找到了这个 https math stackexchange com questions 945871 derivative of
neuralnetwork
derivative
Calculus
Softmax
没有名为“tensorflow.keras.layers.experimental.preprocessing”的模块
代码下面 import numpy as np np random seed 0 from sklearn import datasets import matplotlib pyplot as plt matplotlib inline
tensorflow
machinelearning
Keras
deeplearning
neuralnetwork
从图像中减去平均值
我正在用 Theano 实现 CNN 在论文中 我必须在训练 CNN 之前进行图像预处理 We extracted RGB patches of 61x61 dimensions associated with each poselet a
python
imageprocessing
machinelearning
neuralnetwork
验证 MSE 损失与验证 MSE 指标不同
我在 Keras 中编写了一个模型 带有 theano 后端 并像这样编译我的模型 model compile Adam 0 001 loss mse metrics mse mae 即我的目标损失函数是均方误差要报告的指标是均方误差 an
neuralnetwork
Keras
«
1 ...
18
19
20
21
22
23
24
»