Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
Caffe 准确率大于 100%
我正在构建一个 但是当我使用上提供的自定义火车功能时莱内特示例 http nbviewer ipython org github BVLC caffe blob master examples 01 learning lenet ipynb
neuralnetwork
deeplearning
caffe
convneuralnetwork
pycaffe
Theano 导入错误:没有名为 cPickle 的模块
gt gt gt import theano Traceback most recent call last File
python
python27
neuralnetwork
Theano
convneuralnetwork
卷积神经网络的 float16 与 float32
标准是float32 但我想知道在什么条件下可以使用float16 我比较了运行相同的 covnet 和两种数据类型 没有发现任何问题 对于大型数据集 我更喜欢 float16 因为我可以更少担心内存问题 令人惊讶的是 使用 16 位是完全
NumPy
tensorflow
neuralnetwork
Keras
convneuralnetwork
如何在python中实现小批量梯度下降?
我刚刚开始学习深度学习 当谈到梯度下降时 我发现自己陷入了困境 我知道如何实现批量梯度下降 我知道它是如何工作的以及小批量和随机梯度下降在理论上是如何工作的 但实在无法理解如何用代码实现 import numpy as np X np ar
python
machinelearning
neuralnetwork
deeplearning
gradientdescent
推导 pytorch 网络的结构
对于我的用例 我需要能够采用 pytorch 模块并解释模块中的层序列 以便我可以以某种文件格式在层之间创建 连接 现在假设我有一个简单的模块 如下所示 class mymodel nn Module def init self input
python
neuralnetwork
Pytorch
tensor
使用单层感知器求解 XOR
我一直听说 XOR 问题不能通过单层感知器 不使用隐藏层 来解决 因为它不是线性可分的 我知道没有线性函数可以区分类别 但是 如果我们使用像 sin 或 cos 这样的非单调激活函数 情况仍然如此吗 我想这些类型的函数可能能够将它们分开 Y
neuralnetwork
xor
Perceptron
多输入深度学习中的平均层
我正在努力在 Keras 中创建一个用于图像分类的多输入卷积神经网络 CNN 模型 该模型采用两个图像并给出一个输出 即两个图像的类别 我有两个数据集 type1 和 type2 每个数据集包含相同的类 该模型应从 Type1 数据集中获取
tensorflow
machinelearning
Keras
neuralnetwork
deeplearning
使用学习的人工神经网络来解决输入
我最近再次深入研究人工神经网络 包括进化和训练 我有一个问题 关于什么方法 如果有的话 可以解决导致目标输出集的输入 这个有名字吗 我试图寻找的一切都会导致我进行反向传播 但这不一定是我所需要的 在我的搜索中 我最接近表达我的问题的是 是否
neuralnetwork
theano中卷积神经网络的无监督预训练
我想设计一个深度网络 其顶部有一个 或多个 卷积层 CNN 和一个或多个完全连接的隐藏层 对于具有完全连接层的深度网络 theano 中有一些方法可以进行无监督预训练 例如 使用去噪自动编码器 http www deeplearning n
python
neuralnetwork
Theano
deeplearning
unsupervisedlearning
Python/Tensorflow - 我已经训练了卷积神经网络,如何测试它?
我使用二进制文件中的以下数据 标签 文件名 数据 像素 训练了一个卷积神经网络 CNN array 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 array 10 c
python
tensorflow
neuralnetwork
convneuralnetwork
Convolution
模型的 flow_from_directory 拟合产生 ValueError:输入 0 与图层模型不兼容
我有以下模型 我尝试使用 ImageDataGenerator 与 flow from directory 和 fit generator 来拟合模型 但是出现以下错误 ValueError Input 0 is incompatible
tensorflow
machinelearning
Keras
neuralnetwork
Tensorflow:即使关闭会话也会发生内存泄漏?
当我意识到 即使我在 for 循环中关闭当前会话 我的程序也会大幅减慢 并且由于正在构建的操作而导致内存泄漏 我只是在尝试四元神经网络的一些东西 这是我的代码 for step in xrange 0 200 num epochs trai
memorymanagement
memoryleaks
neuralnetwork
tensorflow
如何在 Keras 中故意过度拟合卷积神经网络以确保模型正常工作?
我正在尝试诊断训练模型时导致精度低的原因 此时 我只想能够获得高训练精度 我可以稍后担心测试精度 过度拟合问题 如何调整模型以提高训练准确性 我想这样做是为了确保我在预处理步骤 洗牌 分割 标准化等 中没有犯任何错误 PARAMS drop
python
tensorflow
neuralnetwork
Keras
使用 Keras 创建自定义条件指标
我正在尝试使用 keras 为我的神经网络创建以下指标 自定义 Keras 指标 https i stack imgur com fSg0o png 其中 d y pred y true y pred 和 y true 都是向量 使用以下代
python
tensorflow
neuralnetwork
Keras
Keras/Tensorflow Conv1D 预期输入形状
我想对 29 个特征输入数据 如 29x1 形状 应用一维卷积 我告诉凯拉斯input shape 29 1 但我收到一个错误 它期望输入 具有 3 个维度 但得到形状为 4000 29 的数组 为什么 Keras 期望 3 维 Keras
tensorflow
Keras
neuralnetwork
convneuralnetwork
Convolution
有没有办法仅在第一个(例如 100 个 epoch)之后在 Keras 中实现提前停止
我的拟合函数是非凸的 因此损失函数有时会在改善之前恶化 鉴于此 我想使用早期停止 但仅限于前 100 个或更多时期之后 到目前为止我有这个 Early stopping ES EarlyStopping monitor val loss p
python
neuralnetwork
Keras
是否可以保存经过训练的层以在 Keras 上使用层?
我没用过Keras 正在考虑要不要用 我想保存经过训练的图层以供以后使用 例如 我训练一个模型 然后 我获得一个经过训练的层t layer 我有另一个模型要训练 其中包括layer1 layer2 layer3 我想用t layer as
python3x
machinelearning
neuralnetwork
deeplearning
Keras
无法使用神经网络近似正弦函数
我正在尝试使用我自己编写的神经网络来近似 sine 函数 我已经在一个简单的 OCR 问题上测试了我的神经网络并且它有效 但我在将其应用于近似 sine 时遇到了困难 我的问题是 在训练过程中 我的误差恰好收敛于 50 所以我猜它是完全随机
machinelearning
neuralnetwork
approximation
反向传播中的梯度检查
我正在尝试对具有 2 个单位输入层 2 个单位隐藏层和 1 个单位输出层的简单前馈神经网络实现梯度检查 我所做的如下 取所有层之间网络权重的每个权重 w 并使用 w EPSILON 然后使用 w EPSILON 执行前向传播 使用两个前馈传
neuralnetwork
backpropagation
Caffe/pyCaffe:设置所有 GPU
是否可以为Caffe 尤其是pyCaffe 设置所有GPU 就像是 caffe train solver examples mnist lenet solver prototxt gpu all 这两个分支现在都支持多 GPU 一段时间了
parallelprocessing
neuralnetwork
GPU
deeplearning
caffe
«
1 ...
3
4
5
6
7
8
9
...24
»