Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
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
使用卷积神经网络进行四边形/矩形检测的想法
I v been trying to do quadrangle detection and localization for weeks my goal is to have a robust way of getting the 4 p
neuralnetwork
ComputerVision
deeplearning
objectdetection
张量流中 LSTM 的正则化
Tensorflow 提供了一个很好的 LSTM 包装器 rnn cell BasicLSTM num units forget bias 1 0 input size None state is tuple False activatio
neuralnetwork
tensorflow
LSTM
recurrentneuralnetwork
训练神经网络技巧
对于对象识别 我建议使用 MATLAB 中的神经网络 我有 30 个对象 每个对象有 20 个图像 因此我有 600 个输入数据和 20 个不同的类 输入矩阵为 100x600 目标矩阵为 1x600 输入矩阵列是 100 个 bin 中关
MATLAB
neuralnetwork
使用 Keras 和 TensorFlow 查找可最大化神经网络输出的输入
我使用 Keras 和 TensorFlow 对时尚 MNIST https github com zalandoresearch fashion mnist下列的本教程 https www tensorflow org tutorials
python
tensorflow
machinelearning
neuralnetwork
Keras
自训练算法
我想针对特定问题开发一种自我训练算法 为了简单起见 我将把它归结为简单的例子 更新 我添加了一个工作解决方案作为下面这个问题的答案 假设我有来自数据库的大量实体列表 每个实体都是相同的类型 并且有 4 个字节类型的属性 public cla
c
NET
Algorithm
neuralnetwork
trainingdata
indexs[201] = [0,8] 乱序。许多稀疏操作需要排序索引。使用“tf.sparse.reorder”创建正确排序的副本
我正在对每个变量进行编码的神经网络 当我要拟合模型时 会出现错误 indices 201 0 8 is out of order Many sparse ops require sorted indices Use tf sparse re
python
tensorflow
Keras
neuralnetwork
sparsematrix
如何使用 Keras 可视化神经网络架构?
我尝试了以下方法 usr bin env python import keras from keras models import model from yaml model file path model 301 yaml weights
python
neuralnetwork
Visualization
Keras
Keras:具有多个参数的 Lambda 层函数
我正在尝试写一个LambdaKeras 中调用函数的层connection 运行一个循环for i in range 0 k where k作为函数的输入 connection x k 现在 当我尝试调用功能 API 中的函数时 我尝试使用
python
neuralnetwork
Keras
keraslayer
为什么自动编码器中的解码器在最后一层使用 sigmoid?
我正在看this https github com L1aoXingyu pytorch beginner blob master 08 AutoEncoder Variational autoencoder py工作变分自动编码器 主要班
machinelearning
neuralnetwork
Pytorch
autoencoder
Sigmoid
如何在 MLPClassifier 中设置初始权重?
我找不到设置神经网络初始权重的方法 有人可以告诉我如何设置吗 我正在使用 python 包 sklearn neural network MLPClassifier 这是供参考的代码 from sklearn neural network
scikitlearn
neuralnetwork
多层神经网络不会预测负值
我已经实现了一个多层感知器来预测输入向量的正弦 这些向量由随机选择的四个 1 0 1 组成 偏差设置为 1 网络应该预测向量内容之和的 sin 例如 输入 输出 Sin 0 1 1 0 1 我遇到的问题是网络永远不会预测负值 并且许多向量的
perl
neuralnetwork
Classification
backpropagation
确定神经网络的适当神经元数量
我一直在对神经网络进行一些研究 整个概念和理论对我来说很有意义 尽管我一直无法找到答案的一个问题是神经网络中应该使用多少个神经元 以获得正确 有效的结果 包括隐藏层 每个隐藏层的神经元等 更多的神经元一定会得到更准确的结果 同时对系统造成更
c
neuralnetwork
Tensorflow 0.8导入导出输出张量问题
我正在使用 Tensorflow 0 8 和 Python 3 我正在尝试训练神经网络 目标是每 50 次迭代自动导出 导入网络状态 问题是当我在第一次迭代时导出输出张量时 输出张量名称是 Neg 0 Slice 0 但是当我在第二次迭代时
import
export
neuralnetwork
tensorflow
python35
«
1 ...
6
7
8
9
10
11
12
...27
»